Development analysis as a tool to support the design of high-quality residential areas for an aging population

Almeida C.M., Gleriani J.M., Castejon E.F., Soares-Filho B.S. (2013). Using neural networks and cellular automata for modelling intra-urban land-use dynamics. International Journal of Geographical Information Science, vol. 22, no. 9, 943-963.

Google Scholar

Barełkowski R. (2014). FAST - Fast Simulation Tool for sustainable development of energy’ infrastructure in suburban areas. Energy Quest, At Ekaterinburg, Russia, 61-71.

Google Scholar

Barełkowski R. (2015). FAST Matrix: depicting the time-related aspect of urban development, w: The Sustainable City X: Urban Regeneration and Sustainability, eds. C.A. Brebbia, W.F. Flores-Escobar, WIT Press, 3-10.

Google Scholar

Beim M. (2007). Modelowanie procesu suburbanizacji w aglomeracji poznańskiej z wykorzystaniem sztucznych sieci neuronowych i automatów komórkowych, Zakład Ekonometrii Przestrzennej Instytut Geografii Społeczno-Ekonomicznej i Gospodarki Przestrzennej UAM, 156-183 (praca doktorska pod kierunkiem prof. UAM dr. hab. Waldemara Ratajczaka).

Google Scholar

Dz. U. 1994, nr 89, poz. 415. Ustawa z dnia 7 lipca 1994 r. o zagospodarowaniu przestrzennym, uchylona.

Google Scholar

Dz. U. 2003, nr 80, poz. 717. Ustawa z dnia 27 marca 2003 r. o planowaniu i zagospodarowaniu przestrzennym, art. 1.13, art. 3.2, art. 10.1, art. 10.5, art. 15.1, art. 37.2, art. 47.1.

Google Scholar

Dz. U. 2015, poz. 1777. Ustawa z dnia 9 października 2015 r. o rewitalizacji, art. 3.1.3.

Google Scholar

Groat L., Wang D. (2002). Architectural Research Methods, John Wiley & Sons.

Google Scholar

Idczak P. (2016). Peryurbanizacja w Poznańskim Obszarze Metropolitalnym. Studia i Prace WNEiZUS, nr 46/2, 244-253.

Google Scholar

10.

Irwin E.G., Bockstael N.E. (2007). The evolution of urban sprawl: Evidence of spatial heterogeneity and increasing land fragmentation (ed. L. Turner II). Proceddings of National Academy of Science of United States of America, vol. 104, no. 52, 20672-20677.

Google Scholar

11.

Kissling W.D, Carl G. (2007). Spatial autocorrelation and the selection of simultaneous autoregressive models. Global Ecology and Biogeography, vol. 17, no. 1, 59-71.

Google Scholar

12.

Krenker A., Bester J., Kos A. (2011). Introduction to the Artificial Neural Networks (ed. K. Suzuki). Artificial Neural Networks-Methodological Advances and Biomedical Applications, InTech, 5-7.

Google Scholar

13.

Lesage J.P., Fischer M.M. (2008). Spatial Growth Regressions: Model Specification. Estimation and Interpretation, Spatial Economic Analysis, vol. 3, no. 3, 278-280.

Google Scholar

14.

Luo J. (2008). Modeling Urban Growth with Geographically Weighted Multinomial Logistic Regression. Published in SPIE Proceedings, Geoinformatics 2008 and Joint Conference on GIS and Built Environment: The Built Environment and Its Dynamics, vol. 7144, 1-11.

Google Scholar

15.

Madsen H., Thyregod P. (2010). Introduction to General and Generalized Linear Models. Texts in Statistical Science Series, Taylor & Francis Group, 47.

Google Scholar

16.

Maithani S., Jain R.K., Arora M.K. (2007). An artificial neural network based approach for modeling urban spatial growth, ITPI Journal, vol. 4, no. 2, 43-51.

Google Scholar

17.

Małek J. (2016). Historyczne i współczesne uwarunkowania procesów suburbanizacji, przestrzeń i FORMa, 432-442.

Google Scholar

18.

Ossowicz T. (2003). Metoda ustalania kolejności przedsięwzięć polityki przestrzennej miasta wielkiego, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław.

Google Scholar

19.

Sugumaran R., DeGroote J. (2010). Spatial Decision Support Systems, Principles and Practices, Taylor & Francis Group, New York, 197-199.

Google Scholar

20.

Szczepański P., Pyszny K., Zydroń A. (2013). Analiza zróżnicowania stopnia szczegółowości ustaleń polityk przestrzennych wybranych gmin aglomeracji poznańskiej. Rocznik Ochrona Środowiska, 15, 2768-2775.

Google Scholar

21.

Triantakonstantis D., Mountrakis G. (2012). Urban Growth Prediction: A Review of Computational Models and Human Perceptions. Journal of Geographic Information System, vol. 4, 555-587.

Google Scholar

22.

Wang S., Jiang H., Lu H. (2002). An Integrated Fuzzy Clustering Algorithm GFC for Switching Regressions. Journal of Software, vol. 13, no. 10, 1906-1910.

Google Scholar

23.

Welfe A. (2003). Ekonometria. Metody i ich zastosowanie, Polskie Wydawnictwo Ekonomiczne, Warszawa, 64-90.

Google Scholar

24.

Zipser T., Sławski J. (1988). Modele procesów urbanizacji: teoria i jej wykorzystanie w praktyce planowania, Państwowe Wydawnictwo Ekonomiczne, Warszawa, 5-15.

Google Scholar

Submit your paper

For authors