Abstract:
یکی از مهمترین رویدادها در صنعت گردشگری هر کشور، میزان تقاضا برای یک محصول یا مقصد گردشگری است. اما باید توجه داشت پیشبینیها هرگز نمیتوانند به طور صد درصد با آنچه در عمل پیش خواهد آمد تطابق داشته باشند. همیشه فواصل و انحرافاتی بین مقادیر واقعی و پیشبینی موجود خواهد بود، ولی استفاده از روشهای علمی و نوین در امر پیشبینی، باعث خواهد شد نتایج حاصله به مراتب بیش از یک تخمین عینی به حقیقت نزدیک شود. در سالهای 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 سالهای 1381 تا [1]1394 استفاده شده است. متغیر مستقل این تحقیق تعداد گردشگران بازدیدکننده 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 روشها میتوان خطای پیش بینی را اندازه گیری و روشها را با هم مقایسه کرد. نتایج این پژوهش نشان میدهد رویکرد ترکیبی رگرسیون و شبکه های عصبی فازی(ANFIS)پیشنهادی میتواند پیشبینی بهتری نسبت به سایر روشها در خصوص پیشبینی گردشگری بازدید از دوستان و بستگان(VFR) داخلی داشته باشد.
[
Most 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.
Machine summary:
به علاوه در تحقيقات پيشين انجام گرفته در ايران بيشترين مدل هاي استفاده شده روش هاي اقتصادسنجي (نوري، ١٣٧٥؛ موسايي، ١٣٧٩؛ کاوه ئيان ، ١٣٨١؛ رسولي، ١٣٨١؛ خسرو آبادي، ١٣٨٥؛ الياس پور، ١٣٨٥؛ صفايي،١٣٨٦، غلاميپور، ١٣٩٠) بوده است و از روش هاي هوش مصنوعي 1 1 Mustafa 2 Medlik 3 Burkart 4 Propensity to Participate in Tourism 5 Lohmann 6 Pearce کمتر استفاده شده است .
سپس در گام بعد به منظور شناسايي عوامل مؤثر بر تقاضاي گردشگري بازديد از دوستان و بستگان (VFR) داخلي شهر تهران ، علاوه بر مرور مطالعات صورت گرفته ، با استفاده از روش دلفي فازي از خبرگان آشنا به اين 1 1 Yepremian 2 Chen 3 Wang 4 Pie حوزه ١ نظرخواهي و درنهايت مهم ترين عوامل تأثيرگذار بر تقاضاي اين نوع گردشگري با استفاده از تکنيک ديماتل فازي استخراج مي شود و بر اساس اين عوامل تابع تقاضا تعيين و سريهاي زماني اين متغيرها از طريق مطالعات کتابخانه اي و اينترنتي استخراج و از طريق نرم افزار Spss به نرم افزار MATLAB و جعبه ابزارهاي تعبيه شده براي هر يک از روش هاي شبکه عصبي- فازي، الگوريتم SVR و رگرسيون داده و درنهايت خروجيهاي اين نرم افزار براي سناريوهاي منتخب پيش بيني اين روش ها تفسير خواهد شد.
تجزيه وتحليل داده ها در اين تحقيق ، روش دلفي باهدف کسب نظر خبرگان راجع به ميزان موافقت آن ها با عوامل مؤثر بر تقاضاي گردشگري بازديد از دوستان و بستگان (VFR) داخلي شهر تهران استفاده شده است .