هم‌زمان با درگیری با مشکل بحران تغییرات آب‌وهوا، در آینده‌ای نه‌چندان دور باید برای 3 بیلیون جمعیت شهر بسازیم. اگر راه درستی را در پی نگیریم، نه‌تنها شهرها انسان‌ها را نجات نخواهند داد بلکه تأثیرات منفی زیست‌محیطی، سلامت اجتماعی، پویایی اقتصادی را در پی خواهد داشت؛ بنابراین، شیوه طراحی و ساخت شهرها تأثیر مستقیمی بر آینده بشریت خواهد داشت.
توسعه شهرها به‌طوری‌که حاشیه شهرها کم چگالی‌تر هستند و مرکز شهر متراکم به مدل sprawl معروف است. ایراد این نوع از توسعه شهری، توسعه کم چگالی حاشیه شهرها نیست بلکه جدا کردن زمین بر اساس کاربری آن است؛ که باعث می‌شود افراد از یکدیگر جدا شوند و جلو رشد اجتماعی و اقتصادی را خواهد گرفت.
پیتر کلتورپ به‌عنوان یک طراح شهری یک تحقیق به این صورت انجام داد که مدلی برای شبیه‌سازی انتشار کربن دی‌اکسید شهر کالیفرنیا توسعه داد. سناریوهای متفاوتی برای چگونگی توسعه شهر تا سال 2050 در نظر گرفته شد به‌طوری‌که 10 میلیون نفر جمعیت جدید به شهر اضافه شود. یکی از سناریوهای توسعه شهر مدل sprawl بود. سناریو دیگر مدل توسعه شهری فشرده به همراه کاربری‌های متنوع زمین در کنار هم با امکان توسعه کم و محله‌های با امکان پیاده‌روی بود. نتایج شگفت‌آور شد. طرح توسعه شهری فشرده بهترین نتایج را در زمینه‌های متفاوت داشت. این موارد عبارت است از:
گازهای گلخانه‌ای: به دلیل آنکه در شهر کالیفرنیا بیشتر گازهای گلخانه‌ای از رفت‌وآمد خودروها ایجاد می‌شود، تولید گازهای گلخانه‌ای به‌طور قابل‌توجهی کاهش یافت، چراکه این مدل توسعه شهری، نیاز شهروندان به رانندگی مسافت‌های طولانی را رفع می‌کرد و نیازهای مختلف آن‌ها در محله کوچک خودشان پاسخ داده می‌شود.
مسافت طی شده خودروها: این میزان در شرایط عادی حدود 26000 مایل در سال برای هر خانوار است که با اجرای این طرح توسعه شهری به میزان 16000 رسید. این مقدار قابل‌توجهی کاهش نه‌تنها بر روی کیفیت هوا و انتشار گازها تأثیر گذاشت بلکه در هزینه‌های خانوار نیز صرفه‌جویی شد.
سلامت: در این حوضه معمولاً به دنبال درمان هستیم تا پیشگیری. درواقع برای تأمین سلامتی بهتر است به‌جای تمیز کردن هوا از آلودگی کردن آن جلوگیری کنیم؛ بنابراین، سلامت شهروندان با این طرح بهتر تأمین می‌شد.
هزینه‌های خانوار: سال 2008، وضعیت اقتصادی خانوارها بحرانی شد چراکه سعی شده بود تا خانه‌های بزرگ، دور از هم و گران به تک خانوارها با درآمد میانگین فروخته شود. توسعه شهری به طریقی که بتوان هزینه‌های خانوار را تعدیل کرد امکان‌پذیر است. کاهش هزینه خانوارها در شهر کالیفرنیا به‌طور میانگین از 50000 دلار به 40000 دلار اتفاق خوشایندی بود که از نتایج این طرح است.
مثال دیگری از sprawl کشور چین است که دارای نوع پرتراکم آن است. شهروندان در بلوک‌های بزرگ (هرکدام شامل 5000 واحد مسکونی) بدون پیاده راه و فروشگاه‌های محلی از هم جداشده‌اند و مشکلات شایع این نوع از توسعه گریبانشان را گرفته است. برای مثال، 12 درصد تولید ناخالص ملی این کشور صرف سلامت شهروندان می‌شود. بااین‌وجود، مردم این نوع محله‌ها سعی کرده بودند تا پارکینگ‌های خود را به فروشگاه‌های محلی تبدیل کنند. در حقیقت، عدم تمایل مردم به این نوع توسعه وجود داشته است، فقط کافی است برنامه‌ریزان و سیاست‌مداران نوع درست توسعه شهری را دریابند.
قطعاً این نوع از توسعه (sprawl) در تاریخ این کشور وجود نداشته است؛ چراکه کشور چین پر از فروشگاه‌ها، خدمات و پیاده‌روهای کوچک و محلی بوده است. آن‌ها با همسایگان تعاملات اجتماعی بسیاری داشته‌اند. دیگر آنکه چونگ کینگ شهر دیگری در چین، با جمعیت 30 میلیون نفری به بزرگی کالیفرنیا است. این شهر نیز با مدل توسعه متنوع پیشرفت کرده است و از پیامدهای مثبت این مدل توسعه بهره برده است.
مدل‌های جایگزین دیگری از مدل sprawl در شهرهای مختلف چین بررسی شد. بلوک‌های کوچک (500 خانوار در هر بلوک) بافاصله‌های کوچک از یکدیگر و با امکان پیاده‌روی، مشخصه اصلی این مدل‌های جایگزین هستند.
عدالت جغرافیایی اصلی است که با آن توسعه شهرها منطقی‌تر می‌شوند. اگر فرض کنیم یک‌سوم شهروندان شهر دارای خودرو شخصی هستند چرا 100 درصد طراحی شهری برای خودروها است. چرا نباید 70 درصد طراحی شهری به خیابان‌های خالی از خودرو، پیاده‌ها و دوچرخه‌سواران اختصاص دهیم؟
در ادامه به 7 اصل موردتوجه دولت چین برای ساخت شهرها پرداخته می‌شود.
• حفظ محیط طبیعی، کشاورزی و تمدن گذشته
• توزیع مختلط از کاربری زمین
• ایجاد امکان پیاده‌روی بیشتر برای لذت بردن از شهر
• ایجاد امکان دوچرخه‌سواری بیشتر
• ایجاد شبکه حمل‌ونقل متصل برای انواع وسایل نقلیه و پیاده
• سرمایه‌گذاری بیشتر روی حمل‌ونقل همگانی
• تمرکز بر روی زیرساخت‌های موجود و همگام‌سازی آن‌ها با اهداف موردنظر
منابع
https://www.ted.com/talks/peter_calthorpe_7_principles_for_building_better_cities
