Spatial interaction models of the gravity type are widely used to model origindestination flows. They draw attention to three types of variables to explain variation in spatial interactions across geographic space: variables that characterise an origin region of a flow, variables that characterise a destination region of a flow, and finally variables that measure the separation between origin and destination regions. This paper outlines and compares two approaches, the spatial econometric and the eigenfunction-based spatial filtering approach, to deal with the issue of spatial autocorrelation among flow residuals. An example using patent citation data that capture knowledge flows across 112 European regions serves to illustrate the application and the comparison of the two approaches.(authors' abstract)

Spatial interaction models of the gravity type are used in conjunction with sample data on flows between origin and destination locations to analyse international and interregional trade, commodity, migration and commuting patterns. The focus is on the classical log-normal model version and spatial econometric extensions that have recently appeared in the literature. These new models replace the conventional assumption of independence between origin-destination flows with formal approaches that allow for spatial dependence in flow magnitudes. The paper also discusses problems that arise in applied practice when estimating (log-normal) spatial interaction models. (authors' abstract)

The main aim of this paper is to propose a methodology for implementation of spatial interaction models in the GIS environment. This methodology is then verified by creating functional tool for calculating potential accessibility model. The first part summarizes the available literature about those issues. The second part presents the source data and analysis methodology. ESRI ArcGIS and Python are main technologies used. Subsequently, a description of creation tool itself. In conclusion the test analyses and results are described and discussed. Powered by TCPDF (www.tcpdf.org)

O crescimento acelerado da produção científica brasileira nos anos recentes foi acompanhado pela expansão das colaborações científicas domésticas. Neste estudo, olhamos mais atentamente esse assunto na tentativa pioneira de identificar padrões espaciais da produção e colaboração científica no Brasil, e avaliar o papel da proximidade geográfica na determinação das interações entre os pesquisadores brasileiros. Por meio de uma base única composta por mais de um milhão de pesquisadores registrados na Plataforma Lattes e de sete milhões de publicações científicas, coletamos e consolidamos informações sobre as colaborações científicas inter-regionais em termos de redes de coautorias entre 1.347 municípios brasileiros ao longo do período compreendido entre 1990 e 2010, o que permitiu uma abrangência de dados e perspectiva de análise inéditas na literatura. Os efeitos da distância geográfica nas redes de colaboração são mensurados para as diferentes áreas do conhecimento por meio da estimação de modelos de interações espaciais. Os principais resultados sugerem fortes evidências de um processo de desconcentração espacial da produção científica nos últimos anos associado à expansão das redes de colaboração e ao aumento da participação de autores das regiões cientificamente menos tradicionais, tais como Sul e Nordeste. Ademais, também encontramos evidência de que a distância ainda desempenha papel crucial na determinação da intensidade dos fluxos de conhecimento nas redes de colaboração científica no Brasil, embora a magnitude do efeito varie entre as redes das diferentes áreas do conhecimento. Por exemplo, verificamos que o distanciamento de 200 quilômetros entre dois pesquisadores implica na redução média de 22% ou 45% na probabilidade de haver colaboração entre eles, caso eles sejam de Linguística, Letras e Artes ou Ciências Exatas e da Terra, respectivamente. / Recent years have witnessed an accelerated growth of Brazilian scientific production that was accompanied by an expansion of domestic research collaboration. In this paper we look more closely at this issue in a pioneering attempt to identify spatial patterns of research production and collaboration in Brazil, and to measure the role of geographical proximity in determining interaction between Brazilian researchers. Using a unique database comprised of over one million researchers registered in the Brazilian Lattes Platform and seven million scientific publications, we collect and consolidate information on interregional research collaboration in terms of co-authorship networks among 1,347 Brazilian cities over the period between 1990 and 2010, which enabled a range of data and analysis perspective unprecedented in literature. The effects of geographical distance on research collaboration are measured for different knowledge areas under the estimation of spatial interaction models. The main results suggest strong evidence of spatial de-concentration of scientific production in the last years with expansion of research collaboration networks and an increased participation of authors in scientifically less traditional regions, such as South and Northeast. Moreover, we also find evidence that distance still plays a crucial role in determining the intensity of knowledge flows in scientific collaboration networks in Brazil, although the magnitude of such effects varies among networks of different knowledge areas. For instance, we found that the distancing of 200 kilometers between two researchers implies an average reduction of 22% or 45% on probability of collaboration among them, if they are of Linguistics, Letters and Arts or Exact and Earth Sciences, respectively.

O crescimento acelerado da produção científica brasileira nos anos recentes foi acompanhado pela expansão das colaborações científicas domésticas. Neste estudo, olhamos mais atentamente esse assunto na tentativa pioneira de identificar padrões espaciais da produção e colaboração científica no Brasil, e avaliar o papel da proximidade geográfica na determinação das interações entre os pesquisadores brasileiros. Por meio de uma base única composta por mais de um milhão de pesquisadores registrados na Plataforma Lattes e de sete milhões de publicações científicas, coletamos e consolidamos informações sobre as colaborações científicas inter-regionais em termos de redes de coautorias entre 1.347 municípios brasileiros ao longo do período compreendido entre 1990 e 2010, o que permitiu uma abrangência de dados e perspectiva de análise inéditas na literatura. Os efeitos da distância geográfica nas redes de colaboração são mensurados para as diferentes áreas do conhecimento por meio da estimação de modelos de interações espaciais. Os principais resultados sugerem fortes evidências de um processo de desconcentração espacial da produção científica nos últimos anos associado à expansão das redes de colaboração e ao aumento da participação de autores das regiões cientificamente menos tradicionais, tais como Sul e Nordeste. Ademais, também encontramos evidência de que a distância ainda desempenha papel crucial na determinação da intensidade dos fluxos de conhecimento nas redes de colaboração científica no Brasil, embora a magnitude do efeito varie entre as redes das diferentes áreas do conhecimento. Por exemplo, verificamos que o distanciamento de 200 quilômetros entre dois pesquisadores implica na redução média de 22% ou 45% na probabilidade de haver colaboração entre eles, caso eles sejam de Linguística, Letras e Artes ou Ciências Exatas e da Terra, respectivamente. / Recent years have witnessed an accelerated growth of Brazilian scientific production that was accompanied by an expansion of domestic research collaboration. In this paper we look more closely at this issue in a pioneering attempt to identify spatial patterns of research production and collaboration in Brazil, and to measure the role of geographical proximity in determining interaction between Brazilian researchers. Using a unique database comprised of over one million researchers registered in the Brazilian Lattes Platform and seven million scientific publications, we collect and consolidate information on interregional research collaboration in terms of co-authorship networks among 1,347 Brazilian cities over the period between 1990 and 2010, which enabled a range of data and analysis perspective unprecedented in literature. The effects of geographical distance on research collaboration are measured for different knowledge areas under the estimation of spatial interaction models. The main results suggest strong evidence of spatial de-concentration of scientific production in the last years with expansion of research collaboration networks and an increased participation of authors in scientifically less traditional regions, such as South and Northeast. Moreover, we also find evidence that distance still plays a crucial role in determining the intensity of knowledge flows in scientific collaboration networks in Brazil, although the magnitude of such effects varies among networks of different knowledge areas. For instance, we found that the distancing of 200 kilometers between two researchers implies an average reduction of 22% or 45% on probability of collaboration among them, if they are of Linguistics, Letters and Arts or Exact and Earth Sciences, respectively.

One of the key concerns in spatial analysis and modelling is to study and analyse similarities or dissimilarities between places over geographical space. However, ”global“ spatial models may fail to identify spatial variations of relationships (spatial heterogeneity) by assuming spatial stationarity of relationships. In many real-life situations spatial variation in relationships possibly exists and the assumption of global stationarity might be highly unrealistic leading to ignorance of a large amount of spatial information. In contrast, local spatial models emphasise differences or dissimilarity over space and focus on identifying spatial variations in relationships. These models allow the parameters of models to vary locally and can provide more useful information on the processes generating the data in different parts of the study area. In this study, a framework for localising spatial interaction models, based on geographically weighted (GW) techniques, has been developed. This framework can help in detecting, visualising and analysing spatial heterogeneity in spatial interaction systems. In order to apply the GW concept to spatial interaction models, we investigate several approaches differing mainly in the way calibration points (flows) are defined and spatial separation (distance) between flows is calculated. As a result, a series of localised geographically weighted spatial interaction (GWSI) models are developed. Using custom-built algorithms and computer code, we apply the GWSI models to a journey-to-work dataset in Switzerland for validation and comparison with the related global models. The results of the model calibrations are visualised using a series of conventional and flow maps along with some matrix visualisations. The comparison of the results indicates that in most cases local GWSI models exhibit an improvement over the global models both in providing more useful local information and also in model performance and goodness-of-fit.

Waldo Tobler, con la sua prima legge della geografia, afferma “Ogni cosa è correlata con qualsiasi altra, ma le cose vicine sono più relazionate di quelle lontane" (Tobler, 1970). Se questo era certamente vero nel 1970, tale convinzione è stata messa in discussione con l’avvento delle Tecnologie dell’Informazione e della Comunicazione (ICT). Nel dibattito riguardo al processo di globalizzazione molti studiosi e giornalisti sostengono infatti che, con la velocizzazione delle telecomunicazioni, la distanza fisica è destinata a perdere il proprio potere esplicativo relativamente a molti fenomeni socio-economici (Cairncross, 2001; Friedman, 2005). Questa dissertazione vuole contribuire al dibattito rispondendo, seppure parzialmente, alla domanda “La distanza importa ancora?” e definire alcune possibili implicazioni di policy. L’obiettivo è quello di mostrare il ruolo della distanza geografica in tre diversi contesti economici caratterizzati da differenti dimensioni dell’unità di analisi. I risultati suggeriscono che, anche se su scala globale lo sviluppo delle nuove tecnologie ha modificato la percezione individuale della distanza come deterrente alle interazioni, lo spazio geografico mantiene ancora la sua rilevanza del definire le relazioni socio-economiche locali, aumentando il ruolo di città e regioni quali centri della maggioranza delle attività economiche. / Waldo Tobler, with his first law of geography, stated “Everything is related to everything else, but near things are more related than distant things" (Tobler, 1970). If it was certainly true in 1970, this belief is called into question in an era of development of Information and Communication Technologies (ICTs). In the debate over globalization processes, several scholars and journalists argue indeed that, with the increasing speed of telecommunications, physical distance is losing its explanatory power as determinant of socio-economical relationships (Cairncross, 2001; Friedman, 2005). This dissertation aims to give a contribution to this debate, partially answering to the broad question “Does distance still matter?" and to draw possible policy implications. The purpose is to show the role of geographical distance in three different economic environments, characterized by diversified size of the unit of analysis. Results suggest that, even if at a global scale improvements in ICTs have changed the individual perception of the distance as deterrent in interactions, geographical space still maintains its relevance in defining local socio-economic relationships, increasing the role of cities and regions as the core of most of economic activities.

O rápido crescimento das cidades brasileiras, não acompanhado de um planejamento prévio de sua expansão (incluindo o uso e a ocupação do solo), vem acarretando transtornos à comunidade no que se refere aos deslocamentos, visto que estes se tornam cada vez maiores. Devido a isso, torna-se necessário um conhecimento das demarcações das áreas do município, dos tipos de serviços atualmente prestados à comunidade em cada área e dos usuários destes serviços, não só em termos quantitativos, mas principalmente no que diz respeito à sua distribuição no espaço. Mais ainda, o conhecimento da evolução da demanda no tempo e a sua localização espacial permitem a avaliação de inúmeros cenários de gestão da demanda e da oferta, possibilitando, por exemplo, prever em qual região haverá um crescimento maior da primeira. Outros aspectos que devem ser avaliados são a origem, o destino e o volume de deslocamentos que ocorrem em um determinado conjunto de zonas, o que pode ser estimado através de modelos de interação espacial. Neste sentido, foram realizados estudos com o objetivo de avaliar o desempenho de modelos de interação espacial construídos com Redes Neurais Artificiais (RNAs). Observou-se nestes estudos, uma carência de técnicas para seleção da rede neural a ser utilizada na modelagem, ou seja, a rede com melhor desempenho e poder de predição. Tal como a maioria dos trabalhos que utilizam Redes Neurais Artificiais para este tipo de modelagem, os parâmetros de rede são escolhidos aleatoriamente e, ainda que se consiga resultados satisfatórios variando-se tais parâmetros, nem sempre a rede utilizada representa a solução ótima. O objetivo desta pesquisa é avaliar o uso de diferentes alternativas, tais como a técnica de otimização de Algoritmos Genéticos (AGs) na seleção de Redes Neurais Artificiais e o método de estimação por bootstrap na divisão dos dados, para a construção de modelos de interação espacial, e avaliar a distribuição espacial dos resíduos (erros) das previsões. O estudo foi desenvolvido em um Sistema de Informações Geográficas (SIG) e os dados empregados para este fim refletem a evolução espacial da demanda por serviços municipais de educação numa cidade média brasileira (São Carlos, SP) ao longo de dois anos. Os resultados deste trabalho mostraram que, embora a utilização dos modelos neurais seja apropriada para a estimativa de fluxos, a partir do método gravitacional é possível mensurar de forma precisa e aceitável o crescimento e a distribuição espacial da demanda futura por serviços de educação, permitindo-se identificar quais devem ser as melhores ações a serem tomadas pelo poder público no presente com o intuito de reduzir as distâncias de deslocamento dos alunos no futuro. Isto é particularmente importante para ações de planejamento, em virtude da simplicidade do modelo e de sua fácil e direta implementação / The rapid growth of Brazilian cities, without a previous planning of their expansion (including land use and occupation), causes many inconveniences for the population related to their transportation, as they must cover longer distances. This asks for an understanding of the city areas limits, the services currently offered to the community in each area, and the users of these services, not only in quantitative terms, but also in terms of spatial distribution. Moreover, the knowledge of the demand evolution in time and its spatial location allows the evaluation of many planning scenarios for managing the demand and the supply, and it is possible, for example, to foresee the regions where the demand is going to be concentrated. Other aspects that must be evaluated are the origin, destination and number of trips that occur in a determined set of tracts, which can be predicted by the spatial interaction models. Therefore, some studies were made with the objective of evaluating the performance of Spatial Interaction Models based on Artificial Neural Networks (ANNs). It was observed in these studies, some difficulty in selecting the neural network configuration that best models the problem. As in the majority of research that uses Artificial Neural Networks for the construction of that kind of model, the network parameters are randomly chosen and, even if one can obtain satisfactory results by varying these parameters, the neural net used may not be producing the optimal solution. The objective of this work is to evaluate the use of different alternatives, such as the Genetic Algorithms (GAs) optimization technique and the bootstrapping estimation method, as supporting tools to select Artificial Neural Networks configurations applied to Spatial Interaction Models, and to evaluate the spatial distribution of the residual (errors) prediction results. The research was developed in a Geographic Information System (GIS) and the data used for this application reflects the changes in the spatial distribution of the demand for education services in a Brazilian medium-sized city (São Carlos, SP) throughout two years. The results obtained showed that although neural models are suitable for estimating transportation flows, gravity models are able to produce very good and precise estimates of the future spatial distribution of the demand for educational facilities. This is very important for the planning process aiming at the reduction of displacement costs of students in the future, given the simplicity of the gravity model structure and its straightforward implementation

O rápido crescimento das cidades brasileiras, não acompanhado de um planejamento prévio de sua expansão (incluindo o uso e a ocupação do solo), vem acarretando transtornos à comunidade no que se refere aos deslocamentos, visto que estes se tornam cada vez maiores. Devido a isso, torna-se necessário um conhecimento das demarcações das áreas do município, dos tipos de serviços atualmente prestados à comunidade em cada área e dos usuários destes serviços, não só em termos quantitativos, mas principalmente no que diz respeito à sua distribuição no espaço. Mais ainda, o conhecimento da evolução da demanda no tempo e a sua localização espacial permitem a avaliação de inúmeros cenários de gestão da demanda e da oferta, possibilitando, por exemplo, prever em qual região haverá um crescimento maior da primeira. Outros aspectos que devem ser avaliados são a origem, o destino e o volume de deslocamentos que ocorrem em um determinado conjunto de zonas, o que pode ser estimado através de modelos de interação espacial. Neste sentido, foram realizados estudos com o objetivo de avaliar o desempenho de modelos de interação espacial construídos com Redes Neurais Artificiais (RNAs). Observou-se nestes estudos, uma carência de técnicas para seleção da rede neural a ser utilizada na modelagem, ou seja, a rede com melhor desempenho e poder de predição. Tal como a maioria dos trabalhos que utilizam Redes Neurais Artificiais para este tipo de modelagem, os parâmetros de rede são escolhidos aleatoriamente e, ainda que se consiga resultados satisfatórios variando-se tais parâmetros, nem sempre a rede utilizada representa a solução ótima. O objetivo desta pesquisa é avaliar o uso de diferentes alternativas, tais como a técnica de otimização de Algoritmos Genéticos (AGs) na seleção de Redes Neurais Artificiais e o método de estimação por bootstrap na divisão dos dados, para a construção de modelos de interação espacial, e avaliar a distribuição espacial dos resíduos (erros) das previsões. O estudo foi desenvolvido em um Sistema de Informações Geográficas (SIG) e os dados empregados para este fim refletem a evolução espacial da demanda por serviços municipais de educação numa cidade média brasileira (São Carlos, SP) ao longo de dois anos. Os resultados deste trabalho mostraram que, embora a utilização dos modelos neurais seja apropriada para a estimativa de fluxos, a partir do método gravitacional é possível mensurar de forma precisa e aceitável o crescimento e a distribuição espacial da demanda futura por serviços de educação, permitindo-se identificar quais devem ser as melhores ações a serem tomadas pelo poder público no presente com o intuito de reduzir as distâncias de deslocamento dos alunos no futuro. Isto é particularmente importante para ações de planejamento, em virtude da simplicidade do modelo e de sua fácil e direta implementação / The rapid growth of Brazilian cities, without a previous planning of their expansion (including land use and occupation), causes many inconveniences for the population related to their transportation, as they must cover longer distances. This asks for an understanding of the city areas limits, the services currently offered to the community in each area, and the users of these services, not only in quantitative terms, but also in terms of spatial distribution. Moreover, the knowledge of the demand evolution in time and its spatial location allows the evaluation of many planning scenarios for managing the demand and the supply, and it is possible, for example, to foresee the regions where the demand is going to be concentrated. Other aspects that must be evaluated are the origin, destination and number of trips that occur in a determined set of tracts, which can be predicted by the spatial interaction models. Therefore, some studies were made with the objective of evaluating the performance of Spatial Interaction Models based on Artificial Neural Networks (ANNs). It was observed in these studies, some difficulty in selecting the neural network configuration that best models the problem. As in the majority of research that uses Artificial Neural Networks for the construction of that kind of model, the network parameters are randomly chosen and, even if one can obtain satisfactory results by varying these parameters, the neural net used may not be producing the optimal solution. The objective of this work is to evaluate the use of different alternatives, such as the Genetic Algorithms (GAs) optimization technique and the bootstrapping estimation method, as supporting tools to select Artificial Neural Networks configurations applied to Spatial Interaction Models, and to evaluate the spatial distribution of the residual (errors) prediction results. The research was developed in a Geographic Information System (GIS) and the data used for this application reflects the changes in the spatial distribution of the demand for education services in a Brazilian medium-sized city (São Carlos, SP) throughout two years. The results obtained showed that although neural models are suitable for estimating transportation flows, gravity models are able to produce very good and precise estimates of the future spatial distribution of the demand for educational facilities. This is very important for the planning process aiming at the reduction of displacement costs of students in the future, given the simplicity of the gravity model structure and its straightforward implementation

No description available.