文摘

找到住宿的地方是旅程中最重要的一个问题。本研究旨在支持游客选择最优的决策住宿结合模糊层次分析法(模糊)和地理信息系统(GIS)技术。每个房间,采用标准成本中心的距离的安全级别,评级,和免费取消和早餐的可用性。由于一些不确定性和多样性的标准,应用模糊层次方法巩固游客的决策通过应用标准权重,而GIS用于覆盖排名加权标准和形象化的住宿的地方在地图上。合并后的技术是应用于一个案例研究在布达佩斯城市,分析在哪里进行364个住宿的地方。结果表明,一半的地方推荐给游客,和五以上的住宿是强烈推荐。此外,它可以得出结论,每个房间的成本是最高的影响力则以0.233重要性权重,紧随其后的是0.205的安全级别。最低的影响因素的选择住宿是免费取消服务。表明重要性评级重量是0.182,而早餐和中心的距离大约相同的重要性。住宿推荐,一些改进,每个房间,如降低成本提高服务,或开发的质量的地方,会增加游客的吸引力。

1。介绍

几个国家,旅游业是最重要的一个产业的国内生产总值(GDP) (1]。数据收集的城市是一个相关的问题,在几个参数必须被认为是(2]。根据匈牙利中央统计办公室,旅游业在国家经济活动的第五。旅游在匈牙利的直接和间接经济影响约为2015年的9.4%,超过2000万游客抵达匈牙利(3]。旅游可以被定义为游客的旅游休闲或其他目标和保持为一个特定的时期,他们共同的环境外不超过一个连续。旅游业涉及娱乐目的地(娱乐、文化、体育活动等),食品企业(餐馆、咖啡馆、小酒馆等),住宿的地方(酒店、汽车旅馆、露营地等)、交通(飞机、铁路、公共汽车,汽车,等等),购物设施,和其他人4]。住宿是最重要的部门在旅游业,游客的日常支出超过2/5的分配给这个领域(5]。住宿的地方代表的位置,在那里游客可以休息和计划他们的活动(6]。

在主要的旅游城市,有很多的不确定性选择最佳的住宿的地方。找到一个最佳的住宿是最重要的决定之一,游客的旅行(7]。尽管在线网站和应用程序的可用性预订住宿,这个问题仍然是由于大量复杂的可用选项在这个部门和众多影响决策的因素。虽然有异质性的游客本身的特点,如社会人口(性别、年龄、婚姻状况、教育水平和收入),问题似乎是一样的:我在哪里可以睡眠安全、安全吗?每晚的费用是多少?住宿提供早餐等服务或免费取消吗?(8]。

对于空间问题,如住宿搜索,在若干标准必须考虑,多准则决策(指标)方法可以应用。更具体地说,在不确定性和模糊条件的情况下,模糊层次分析法(模糊)方法,它是一种特定类型的一个层次分析法(AHP)和属于指标方法,可以使用。例如,一项研究提到,游客面临困难时选择最优餐厅在一个外国城市,选择包括一些主观元素。戴维·et al。9AHP)进行了比较,模糊和TOPSIS方法使用手机烹饪推荐系统。结果证明模糊层次最高精度比其他方法。模糊的概念也可以用于评估标准影响住宿选择,虽然它很难使用传统方法(即。AHP),因为处理模糊的环境。基于上述原因,模糊层次方法结合地理信息系统(GIS)技术可以为游客提供完善的选择。因此,本研究的主要目的是开发一个全面的模型,它支持游客在选择最佳的住宿根据他们的偏好和约束。

本文的组织结构如下:在介绍后,部分2回顾以往的研究,利用GIS和指标的方法。理论方法和提出的方法解释部分3。结果和研究区在部分解释4,紧随其后的是讨论部分5。最后,主要结论中演示了一节6。

2。文献综述

住宿设施的大小不同和服务,但他们的主要目的是提供客户服务,酒店,汽车旅馆、宾馆、公寓的住宿的地方(10]。游客选择根据他们的偏好和约束的地方,在成本、位置、和服务代表考虑的基本要素(11]。许多研究考察的因素影响游客的住宿选择。心理和有关因素影响决策过程,尤其是在旅游领域由于多样性和选择之间的竞争(12]。Losada et al。13)进行了一项研究,在西班牙高级游客类型的住宿选择。通过电话采访调查被用来获取数据,以及社会人口和自我感觉等变量因素与动机。多项logit模型被应用于分析收集到的数据。研究发现,七分高级游客首选的酒店。此外,结果表明,住的长度高度相关住宿的类型。另一项研究,14认为全球经济危机的影响在荷兰住宿的游客。研究人员提到,负担得起的酒店发挥重要作用在游客的选择。Ananth et al。15)检查样本的游客评价影响因素选择酒店。结果表明,酒店的价格和质量是最具影响力的因素。另一个研究是由(16),他发现成本,位置,清洁,服务是最有说服力的因素在游客的住宿选择。在另一项研究中,发现酒店相关的因素,如房间的大小或提供早餐,对游客的选择有显著影响(17]。

对于住宿的位置选择过程,决策者试图选择工具,可以实现他/她的需求,最优选择的几个因素需要考虑。指标技术应用于多准则评估和排名问题[18]。周et al。19)应用指标(更具体地说一个模糊方法)选择在台湾国际酒店的位置。这些发现证明了安全级别,可访问性,和周围的文化是最重要的标准酒店位置的选择。同样,Sohrabi et al。20.)应用模糊模型来分析影响酒店的因素选择在伊朗。他们的因素分成两个主要团体:酒店舒适因素和补偿的因素。第一组包括酒店员工,散步和安慰,快乐,停车场,网络服务和房间的清洁。安全、支出和娱乐信息指的是第二个主要组。主要结果显示高重要性标准支出和停车场,因为大多数游客来自伊朗贫穷的城市。许et al。21)结合模糊法和TOPSIS识别优先影响游客的目的地选择的因素。在台湾学者评估八个旅游目的地。最终结果表明,安全性和访问朋友显著影响了游客的目的地,而影响最少的成本。Ngai,窟22)开发了一种模糊专家系统称为酒店咨询系统(已经)来帮助游客在选择酒店。最后评估专家和用户的显示系统的好处和积极的反馈问卷调查。因此,指标可以应用来考虑所有影响因素有关的选择最佳的地方。最合适的方法来评估替代指标,特别是对选址问题[23]。

在过去的几年里,GIS在协助决策过程中起着重要作用处理空间数据和生成适用性地图(24]。根据(25)定义,GIS是一个工具用来捕捉,商店,检查、整合、处理、分析和显示空间数据。由于GIS的功能,它已被应用于不同的学科对于各种复杂的空间问题。此外,一些研究应用在旅游这个工具。例如,Garcia-Palomares et al。26]研究了GIS在旅游规划中的作用,在游客的热点识别在八个欧洲主要城市,和基于空间分布模式分析了GIS技术。另一个全面研究讨论了GIS在旅游的作用27]。这项研究旨在说明GIS在旅游的重要性通过分析数据,在旅游领域建模和预测。

为了找到一个地区的适用性,可以使用基于指标的GIS技术。指标和GIS的结合可以提高处理的功能多样性和空间数据的数量(28]。Ibraheem et al。29日)联合使用GIS-AHP探索停车场的最优位置的CBD Al拉马迪市伊拉克。层次分析法(AHP)中生成的重量标准,和GIS技术申请最后的适用性地图。同样,Mishra et al。30.应用GIS和AHP确定有机农业的合适位置。提到的学者,可以提升乡村旅游与经济发展有机农业在农村地区。采用标准的权重计算与AHP方法。然后,GIS的覆盖工具用于生成地图。可视化指标是一个合适的方法,可处理多准则空间(如图所示的问题31日]。他们这种方法适用于伊朗的北部旅游地区。网络分析法(ANP)与GIS-MCDM一起使用。结果显示最高的潜在游客区基于自然环境特征。用同样的方法,领域等。32在土耳其)评估空气污染问题。阿拉姆(33)结合层次分析法和GIS的最佳住宿选择生活在城市吉大港,孟加拉国。他说,使用这种组合(即。,GIS and MCDM) is a useful approach that facilitates the users to evaluate the numerous alternatives. The study helped the clients easily to choose the optimal location for accommodation. The combination of GIS-MCDM is an excellent approach to simplify a complex problem, as mentioned by [34]。然而,只有少数研究在旅游业应用这个框架。

几项研究各学科应用类似的方法来解决一个指标问题。表1提供了一个详细的概述在以前的研究中应用方法考虑决策目标,方法的方法,问题的类型,与旅游业的相关性,研究标准。它可以表示,这些论文考虑住宿选择旅游作为MCDM-spatial问题。

决策选择最优的住宿变得复杂,由于多个标准影响的过程,各种各样的地方可以找到基于质量、服务可用性、评级、可访问性、成本、和位置。因此,模糊可以用来解决模糊性有关标准评估,因为它可以反映出决策者的思维方式,因为他们可以表达他们的判断在一个区间,而不是使用一个值(35]。此外,模糊是一个处理不确定性的方法来生成决策(36]。所有这些优势使模糊复杂决定的适当的方法选择最优的住宿的地方。模糊和GIS的结合将产生最后的适用性地图住宿的游客在布达佩斯。

3所示。方法

3.1。结构和标准

本研究在两个主要阶段:第一阶段采用模糊查找标准的体重。在收集相关数据并准备使用GIS研究区域的层,第二阶段代表进行第一阶段的结果和覆盖GIS工具来生成最终的地图。通过两个阶段,执行选择的分类过程,见图1。

模糊和GIS技术相结合的方法应用于分析住宿的地方。这种方法的一个至关重要的步骤是识别相关的标准,可以发现在大多数的住宿预订应用程序和网站,如booking.com。合适的标准已被选定基于文献综述和讨论与运输专家和研究人员。图2显示了包含目标的层次结构,标准,选择被认为是在这个研究。

数据已经收集了从[37)的网站。与此同时,每个地区的犯罪数量布达佩斯城市收集从[38]。利用这些数据来确定研究区域的安全级别。然后,住宿地方的空间分析和分类根据安全级别标准。可以详细的标准如下:评级:顾客的评论是用来代表每个住宿的评级。在缺少评级的情况下,它被认为是等于最低的价值。每房间成本:成本计算的一个晚上的单人房。距离中心:公里的城市中心的距离作为这一标准的一项指标。早餐包括:如果不提供此服务的地方,0值。否则,该值等于1。安全级别:获得的价值标准是基于每个各地的犯罪数量和协调的地方。免费取消:如果住宿不提供这种服务,0值。否则,该值等于1。

网站Booking.com是一个最大的住宿和用于收集相关的数据。Octoparse.8软件应用于刮布达佩斯城市的住宿的地方在一个csv文件。然后,过滤器,使用Excel软件组织和总结收集到的属性数据,特别是与刮网站重复的数据可能被发现的地方。研究区域的空间数据收集利用公开街道地图(OSM)基于QGIS软件(版本3.10.9)。ArcGIS 10.5的剪辑工具软件应用于布达佩斯城市的识别研究区。然后,空间数据与属性数据准备层用于空间分析和分类和作为输入层的叠加加权一步。

3.2。模糊

选择住宿的地方是一个不确定性的情况下。因此,一个简单的应用AHP方法可能不是有效的,可能会导致不准确的结果39]。结合层次分析法和模糊方法有助于选择最佳的地方。是在基于标准进行两两比较。使用层次分析法的比较是由规模从1到9。进行一项调查和一群专家评价的相关标准。常见的使用有限数量的专家。各种研究报道结果使用指标和少量的专家,比如研究[40,41)利用只有5参与者,研究[42)与7参与者,研究[43)输入17个参与者使用。

一致性比率(CR)的成对比较矩阵计算根据44]。方程(1)和(2)用于检查CR值应该是10%以下: 在CI代表了一致性指数,λ_马克斯最大特征值,n指的是在一个矩阵的行数,RI是随机指数值表中可以看到2。

每个专家根据AHP规模分配的一个术语。然后,延伸应用于模糊版本计算整体权重。AHP规模转化为模糊数利用三角模糊数(TFN的)。隶属函数的模糊理论表明一个新的范围从0到1。因此,新条款可以用来获得一系列的数值数据。信l,米,u用于识别三角模糊数(TFN的),在哪里l,米,u表示较低、中、分别和上TFN的数量。方程(3)和图3说明TFN的[的隶属函数45]:

AHP规模转化为模糊数(如表所示3利用三角模糊数(TFN的)。

标准的权重的计算通过使用模糊的扩展版本可以概括如下。

步骤1。在检查的一致性比专家的意见,成对比较矩阵转换成模糊数。方程(4)- (6)用于获取个人判断矩阵基础上的研究46]、[47),(48]: 在哪里我和j指每个标准的偏好或相对重要性,指派的专家k。

步骤2。让对象和目标设置是用x= {x₁,x₂、……x_n},G= { 分别}。然后,为每个目标的程度分析执行。此外,每个对象的应用程度分析: 因此,计算模糊值的合成可以获得每个对象见以下方程: 在哪里

步骤3。在这一步中,两个模糊数的可能性的程度米₁(l₁,米₁,u₁),米₂(l₂,米₂,u₂)所示以下方程: 在哪里d代表最高的交点D之间的和 。此外,的值 和 相关比较米₁和米₂。

步骤4。如图4,可能性的程度大于凸模糊数k凸模糊数确定见以下方程: 假设 ,权向量是基于以下方程:

第5步。最后通过规范化步骤,计算权重向量和nonfuzzy数字W是由 的算术运算可以概括如下49]:

3.3。GIS技术与模糊

ArcGIS 10.7软件是用于分析游客的住宿。准备相关的层和数字化矢量层。每个替代计算流程进行规范统一的规模上的所有值。后链接属性数据(即。,collected data from booking.com website) with the prepared layers, a classification process is performed. For classification purposes, this study assumes the use of ten classes to formulate all the collected values except for the free cancellation and the breakfast availability, where the number of classes is two. This classification is based on the range of the maximum and minimum values of the collected data.

然后,与GIS工具进行重新分类,提供整数值的范围。因此,这些值可以结合模糊的结果。重新分类的类是基于1到10的范围。例如,在每个房间的成本标准,10是最低的成本分配,而分配1最高的成本。除了标准的类是在0和1之间,其中0表示不可用早餐的服务或免费取消,和1代表这些服务的可用性。然后,所有重新分类的转换层从矢量光栅是通过使用GIS工具。覆盖的转换层代表输入数据的步骤。这一步包括模糊结果的组合和整型值,可以使用GIS覆盖工具进行。这个过程可以表示为 在哪里年代_(我,j)=每个替代的最后得分,V_我=每个替代的分数我,W_j=每个标准的体重j。

通过使用覆盖在ArcGIS软件工具,最终的地图(FM)可以生产。这一步是每个替代的最终得分的总和。生产组织选择映射到五类。这些课程包括一系列的推荐的地方从“强烈推荐”到“不推荐。“最后一步可以表示为

4所示。结果

4.1。案例研究

布达佩斯的位置选为案例研究分析游客的住宿的地方。Ratz et al。50]提到,在匈牙利布达佩斯是一个主要的旅游目的地,和超过4/5的游客花了一个晚上。这个城市是在匈牙利旅游文化和商业的中心,和富含温泉浴,使该国医疗旅游在欧洲的领导人51]。布达佩斯由23区,和大部分的景点、服务和设施都位于城市的中心部分(52]。因为住宿的地方和目的地的景点都集中在城市的中心,只有内部区域12区被选中作为一个案例研究。Pinke-Sziva et al。53]提到,游客们喜欢他们住宿在布达佩斯城市的中心区域由于浓度和种类(图住宿的地方5)。因此,空间浓度高的住宿需求。本研究收集了相关数据通过寻找一个房间住宿的地方只有一个成人每一天晚上,11月2日在booking.com网站上要求。住宿的地方被数的ca 525个地方。然而,364年住宿的地方被认为和代表住宿用途最受欢迎的旅游目的地之一。

4.2。模糊

的扩展版本执行模糊。在这个阶段的研究中,语言表达式转换成数值根据模糊的概念。调查是分发到21日旅游专家和相关领域的研究者和运输,但只有共有15名受访者完成它。如前所述在文献综述部分,有一个相对较小的样本大小不是关键问题的指标方法的观点。15个专家的偏好的一致性比率检查使用方程(1)和(2)。表4证明了CR值的专家,在任何情况下不超过10%。这意味着判断是一致的,两两比较矩阵可以被接受。

成对比较矩阵是通过应用方程(4)- (6)(表5)。因此,Chang的扩展版本,可以使用层次分析法计算的整体重量标准。

的值可以计算模糊综合使用方程(8)- (11)。方程(12)用于比较和计算两个模糊数的程度可能如下:

权向量是由应用方程(13)和(14)。随后,方程(15)被用来获得最终的重量为每个标准。表6显示了权重向量和最终的归一化权重。

模糊层次分析法结果表明,每个房间的成本最高的体重在选择住宿的地方是0.233。其次是安全级别为0.205。免费取消0.066是最低的有影响力的标准与价值。此外,结果表明评级的重要性,一些游客在决策之前看看这个因素。到中心的距离大约有相同的重要性作为选择的早餐供应的地方。

4.3。GIS-FAHP组合

基于GIS技术,是在标准地图上进行重新分类的过程。这一步是至关重要的新值基于新的规模从1到10,除了早餐免费取消和可用性的新范围是0或1。图6说明了研究区域的空间分布的地方根据采用标准和收集的数据。重新分类步骤处理的输出作为输入数据的加权叠加处理栅格地图完全。然而,结果重新分类的矢量地图。因此,这些矢量地图内被使用转换工具转换为光栅ArcGIS软件。因此,模糊结果结合GIS栅格地图使用加权覆盖工具来生成最终的适宜性图如图7。

最后适用性地图生成进行加权叠加后的案例研究。地图包含五类(即。,“not recommended,” “less recommended,” “neutral,” “recommended,” and “highly recommended”). The final map (Figure7图(图)和统计描述8)展示现实的结果,大部分的地方是位于害虫的一面,因为它是布达佩斯的文化中心,和大部分的旅游景点和活动中发现,区域(50]。此外,旅游活动和夜生活发生在布达佩斯的中心(即。区5区6和7)。红色的像素图7表明,这些地方的住宿是游客的“不推荐”。然而,与红色像素只有两个地方,被发现在地区5害虫方面因为最低安全级别比其他地区。然而,只有两个地方用红色像素,在区发现5害虫方面因为它安全级别最低,成本高,和必要的服务不可用的其他地方相比,如免费取消和早餐。此外,观察到的是“不推荐”的地方与橙色像素主要的害虫。两个橙色的地方位于布达区11,因为这些地方是如此远离城市的中心,因此他们“不推荐。住宿地方的数量在中性”的类别与黄色像素害虫比布达(图8)。几个“中性”的地方主要分布地区6区7,和地区8因为安全级别和低评级,和每个房间的成本。大部分的住宿的布达要么是“强烈推荐”(深绿色颜色在地图上)或“推荐”(由绿色地图上的标记)。然而,“强烈推荐”的地方的数量的害虫布达一边相比两倍多是因为这边的住宿地方的浓度。相当比例的“推荐”的地方是位于害虫,而不到十分之一可以布达地区找到。

5。讨论

调查结果显示,多数的推荐或强烈推荐旅游住宿的地方,而不是推荐的地方是很小的一部分。进行这项研究最具吸引力的旅游住宿的一部分。Pinke-Sziva et al。53体现在他们的研究中,游客首选住宿的地方位于市中心。这可以很容易地从我们的结果证实,住宿场所的空间分布集中在中心在布达佩斯城市65%以上的地方下降的地区5、6和7。

由于不确定条件和游客的复杂决策过程,模糊层次已经被用于体重的标准。类似于(15),我们的研究结果表明,每个房间的成本是影响最高的标准选择住宿的地方。对比的结果(21),使用模糊排序方法的标准影响游客的目的地,发现成本最小的影响。根据(17),发现早餐对游客的选择可用性有显著影响。与我们的结果有差异,受影响最严重的标准成本,安全级别,并将评级,紧随其后的是早餐的可用性标准。然而,这项研究涉及现实的标准选择最优的住宿的地方;因此,它能够很好地反映出游客的偏好。

GIS系统被用于两个主要阶段。首先,研究区域的空间分类根据选择标准实现。基于图6,住宿的地方似乎主要为代表的城市中心地区5,6,7,这显然是明显的,因为他们是靠近旅游景点,服务和设施。空间分类结果表明,住宿位于这个地区最高级别的考虑位置(即。,距离中心)标准。然而,分类结果也显示在城市中心的安全的最低水平,特别是在地区5日代表住宿的一般问题在城市中心。一般来说,它是观察到的安全水平布达高于害虫。与此同时,有一个多样性的评级,成本和可用性研究中观察到的服务区域。在第二阶段,GIS结合模糊生成最终的适用性地图的住宿的地方。最后的图在图7显示了现实的结果。住宿在布达的多数是“推荐”或“强烈推荐”,超过80%,而3/5有相同的类害虫的一面。这个结果的原因可能是不同的安全级别,或住宿的质量。

本研究应用GIS系统的提出了一种新颖的观点克服的局限性在先前的研究发现使用覆盖工具。其他的研究将研究区域分为普通方格网细胞,每个细胞的重量有关。然后,他们采用了覆盖整个研究区域的分析。我们的研究只考虑相关的点(即功能类。住宿的地方),而不是网格细胞。采用了住宿的地方有一个惟一的ID,每个点与模糊的结果。因此,使用细胞的数量已经减少,和大量的数据进行了分析。

本文的主要限制是调查,它可以扩展到涉及更多影响最优选择的住宿标准。推荐使用结构方程模型(SEM)等方法揭示的变量。此外,更多的标准,如文化旅游目的地的可访问性,可能丰富未来的研究。

6。结论

本研究旨在确定最优的住宿的地方在布达佩斯结合模糊层次分析法和GIS技术方法。首先,采用标准的排名是意识到使用模糊方法。然后,GIS应用开发最终的适用性地图,这表明住宿的五类显示高度推荐不推荐的地方。因此,该模型有助于游客的决策选择最优在布达佩斯城市住宿的地方。

现实的标准代表了游客的喜好和约束选择一个最佳的住宿。每个房间,安全级别,成本中心,距离评级,早餐和免费取消服务的可用性在本研究采用标准。两岸的布达佩斯,共12个地区364个地方的住宿选择被检查。与其他相同领域的研究不同,本研究应用FAHP-based GIS消除的模糊性和不确定性,选择最佳的住宿的地方。每个标准的重要性权重计算通过使用模糊。然后,GIS技术被用于准备和数字化的替代品(即。、住宿的地方)地图和地图产生最终的适用性。分类过程进行开发地图制定收集到的数据在一个独特的规模。考虑规模在所有标准1到10除了早餐和免费取消这些标准是1或0的可用性或不可用,分别。GIS技术被用来结合分类地图与模糊的结果来生成最终的适用性地图。

基于模糊结果,得出的结论是,每个房间的成本是最高的影响力则以0.233重要性权重,紧随其后的是0.205的安全级别。最低的影响因素的选择住宿是免费取消服务。此外,它表明评级体重的重要性的地方是0.182,而早餐和中心的距离大约相同的重要性。模糊和GIS相结合的结果表示的地方”最终适用性地图,(即包含五类。,“不推荐”、“不推荐”,“中性”,“建议”和“强烈推荐”)。它可以得出结论,大部分住宿布达一边是“推荐”或“类内的强烈推荐。“然而,对害虫的数量方面超过了4/5的数量在另一边。“推荐”或“强烈推荐”的地方是总数的60%左右。数量非常小的“不推荐”的地方不超过1%被发现在害虫一边。

根据结果,FAHP-GIS组合被发现为解决MCDM-spatial问题非常有用。最后适用性地图可以采用旅游的决策过程寻找最佳的住宿。此外,这个综合模型提供了见解酒店的竞争力,给一个明确的方向住宿经理和投资者识别现有服务的弱点并做出适当的改进,进一步加强服务质量。

数据可用性

已经使用的数据在我们的研究可分为两组:等属性数据协调的住宿地方,评级,和成本。这些数据收集从booking.com网站。Octoparse.8软件应用于刮布达佩斯的住宿的地方。另一种类型的数据是空间数据利用ArcGIS软件处理。这些数据都来自公开街道地图(OSM)通过QGIS软件(版本3.10.9)。

的利益冲突

作者宣称没有利益冲突。

确认

本文得到了Janos Bolyai匈牙利科学院的研究奖学金(BO / 00090/21/6)。