مدل سازی پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان (VFR) داخلی شهر تهران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری است. اما باید توجه داشت پیش بینی ها هرگز نمی توانند به طور صد درصد با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیش بینی موجود خواهد بود، ولی استفاده از روش های علمی و نوین در امر پیش بینی، باعث خواهد شد نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سال های اخیر با تغییر الگوی تعطیلات و شکل گیری تعطیلات کوتاه مدت، شهرها فرصتی برای توسعه گردشگری پیدا کردند. یکی از مهمترین انواع گردشگری داخلی شهر تهران بر اساس آمار مرکز ملی آمار و نظرات صاحب نظران این حوزه، گردشگری بازدید از دوستان و بستگان(VFR) است به همین منظور پژوهش حاضر سعی دارد مدل هایی برای پیش بینی تقاضای گردشگری بازدید از دوستان و بستگان(VFR) داخلی شهر تهران پیشنهاد کند. برای این کار از اطلاعات ماهیانه بین سال های 1381 تا [1]1394 استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران بازدید کننده از دوستان و بستگان(VFR) داخلی شهر تهران است و متغیرهای وابسته نیز بر اساس تکنیک دلفی و دیماتل فازی انتخاب شدند، چارچوب مدل، ترکیبی از رگرسیون[2]، شبکه عصبی فازی[3] و الگوریتمSVR[4] است که با ترکیب این روش ها می توان خطای پیش بینی را اندازه گیری و روش ها را با هم مقایسه کرد. نتایج این پژوهش نشان می دهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی(ANFIS)پیشنهادی می تواند پیش بینی بهتری نسبت به سایر روش ها در خصوص پیش بینی گردشگری بازدید از دوستان و بستگان(VFR) داخلی داشته باشد. <br clear="all" /> [1] علت بررسی تا سال 1394 عدم انتشار آمار سال های 1395 و 1396 توسط مرکز ملی آمار تا کنون است. [2] Regression [3] Adaptive Neuro-Fuzzy Inference System (ANFIS) [4] Support Vector Regression(SVR(Hybrid Modeling for Forecasting of Domestic VFR Tourism Demand in Tehran
ExtendedMost management decisions at all levels of the organization directly or indirectly depend on the state of future prediction, and through the same prediction that one can imagine a success or a status in the future, thereby minimizing risk or making any adjustments and adaptations in the program (Inskeep, 2004). Introduction One of the most important events in the tourism industry of each country is the demand for a product or destination of tourism. But it should be noted that predictions can never match 100% of what happens in practice (Claveria & Torra,2014). There will always be distances and deviations between actual and predicted values, but the use of scientific and modern methods of forecasting will cause the results to reach far more than an objective estimate to the truth (Shen & Song,2011). In recent years, with the changing pattern of holidays and the formation of short-term holidays, cities have found the opportunity for tourism development. Materials and Methods One of the most important types of domestic tourism in Tehran, based on the statistics of the National Center of Statistics and the views of the experts in this area, is VFR tourism . A definition was proposed by Backer (2003: 4); ‘VFR Tourism is a form of tourism involving a visit whereby either (or both) the purpose of the trip or the type of accommodation involves visiting friends and/ or relatives.’ This definition encompasses all VFR typologies and was put forward as a model (Backer, 2008b) to aid in explaining VFR typologies. Source: Backer, 2008b As represented in the VFR Travel Definitional Model (table 1), VFRs can fall into a number of distinct groups. The category in the top left hand box depicts what could be considered to be the “pure” VFR, whose purpose is to visit their friends and or relatives and also stays with them. The lower left hand box depicts a less pure form of VFR traveler, who is staying with friends and relatives, but whose purpose of visit may be unrelated to VFR. This issue that VFR travelers can have a non-VFR purpose of visit when staying with friends or relatives has been discussed in previous research (Backer, 2003; Seaton & Palmer, 1997). Discussion and Results For this purpose, the present study seeks to propose models for forecasting effective variables on forecasting domestic business tourism demand in Tehran. To do this, information was used between the years 2001 to 2015. Independent variable of this study is the number of domestic VFR tourists in Tehran, and dependent variables were selected based on Delphi and Fuzzy DEMATEL techniques. The model framework is a combination of regression, fuzzy neural network, and SVR algorithm, which combines these methods to measure forecast errors and compare the methods. Conclusion The results of this research show that the proposed hybrid approach of regression and Adaptive Neuro-Fuzzy Inference System (ANFIS) can have better prediction than other methods for forecasting domestic VFR tourism. T able2: Test results of different methods on the demand of domestic VFR tourism in Tehran (evaluation data) VFR Tourism MSE RMSE NMSE R 2 MAE MAPE regression 0.001785 0.042249 0.025412 0.974588 0.000493 0.049325 fuzzy neural network 0.001395 0.037349 0.019856 0.980144 0.000436 0.043579 SVR algorithm 0.061316 0.247621 0.872842 0.127158 0.002746 0.274595 hybrid approach of regression and SVR algorithm 1.24E-05 0.003521 0.000177 0.999823 3.28E-05 0.00328 hybrid approach of regression and Adaptive Neuro Fuzzy Inference System (ANFIS) 8.74E-06 0.002956 0.000124 0.999876 2.78E-05 0.002779 Keywords: regression, adaptive neuro-fuzzy inference system (ANFIS), Support Vector Regression (SVR) Algorithm, VFR tourism, forecasting of domestic VFR tourism demand, Tehran. References: Backer, E. (2003). VFR tourism – the forgotten tourism phenomenon . Issues and Developments in Tourism Futures. In H. Richins (ed.) Proceedings from the Second National Conference on Tourism Futures Sustainable Growth, Strategic Alliances and Positive Futures in Challenging Times 2003,pp 1-12. Backer, E. (2008b). Opportunities for Commercial Accommodation in VFR. International Journal of Tourism Research (under review). Claveria, O. and Torra, A. (2014), Forecasting Tourism Demand to Catalonia: Neural Networks vs. Time Series Models, Economic Modeling, 36, pp. 220-228. Inskeep.E,(2004). Tourism planning is an integrated and sustainable approach to tourism planning and development .translated by: Mahmood Hasanpoor and Saeid Daghestani. Tehran: Mahkameh. Shen, S., Li, G., & Song, H. (2011). Combination forecasts of international tourism demand. Annals of Tourism Research , No.38:72–89 Seaton, A., Palmer, C. (1997). Understanding VFR Tourism behaviour: the first five years of the United Kingdom tourism survey. Journal of Tourism Management , 18 (6)pp345-355.
تبلیغات
