Технологія аналізу туристичних рекреацій на основі просторових даних Текст научной статьи по специальности «Социальная и экономическая география»

НЛТУ

ы КРАЖИ

t ,

Hl/IUB

Науковий в!сн и к НЛТУУкраТни Scientific Bulletin of UNFU

http://nv.nltu.edu.ua https://doi.org/10.15421/40280112 Article received 05.01.2018 р. Article accepted 28.02.2018 р.

УДК 004:338.48

ISSN 1994-7836 (print) ISSN 2519-2477 (online)

El Correspondence author H. V. Lipyanina xrustya.com@gmail.com

Х. В. Лт Янма

Терноптьський нацюнальний економ1чний утверситет, м. Тернотль, Украта

ТЕХНОЛОГ1Я АНАЛ1ЗУ ТУРИСТИЧНИХ РЕКРЕАЦ1Й НА ОСНОВ1 ПРОСТОРОВИХ ДАНИХ

На сьогодш юнуе величезний обсяг неструктуровано! розгалужено! шформацй щодо об'екпв туризму та туристичних послуг в Укра!ш. Тому розглянуто процес потоку туриспв у регiонах Укра!ни впродовж 2012-2016 рр. Сучасш засоби ана-лiзу територiального розмiщення об'ектiв Грунтуються на використовуваннi геоiнформацiйних технологiй. Розроблено прог-рамний модуль для проведення рiзноманiтних видiв кластерного аналiзу географiчних об'ектiв та автоматизовано! побудови тематичних карт у програмному середовищi GeoDa. За допомогою створення ваг виокремлено види просторово! сумiжностi. Дослiджено питання математичного аналiзу географiчноi' шформацп за допомогою методу 1ндекс Морана. Визначено клас-тери процесу потоку туриспв у регiонах Укра'ни на основi дiаграми розсiювання Морана. Встановлено, що iснуе деякий розкид значень туристичних потоюв за регюнами, що впливае на точшсть аналiзу. Доведено, що розвиток туризму в бшь-шоси регiонiв Укра!ни однаковий. Отриманi результати можна використати для оцiнювання збалансованосп розвитку туризму за регюнами i формування механiзмiв згладжування впливу зовшшшх шокiв на економiчну динамжу. Подальшими напрямами дослiджень е перевiрка гiпотез про характер просторових взаемодш.

Кл^чов^ слова: туризм; туристичнi потоки; Г1С; GeoDa; дiаграма Морана; кластеризащя.

Вступ. Географ1чш шформацшт системи (Г1С) ос-таншм часом прийнято класиф1кувати як один з ефек-тивних шструменпв управлшня та анал1зу. Ниш туризм, як галузь, у нашш крш'ш потребуе ширшого впро-вадження нових метод1в в управлшш та прийнятп рь шень. Вш е складним 1 комплексним видом д1яльност1 1 може використовуватися для потреб економши, соць альних сфер та оргашзацп навколишнього середовища.

Г1С-технологп е опорними тд час формування туристичних карт. Визначальна перевага таких карт поля-гае в !'х функцюнальнш компактности на дуже малень-к1й карп можна подати величезний обсяг шформацй, що видаеться поступово (залежно в1д штереав користу-вача).

У цш робот здшснено анал1з просторових даних за допомогою програми GeoDa Люка Анселша. Цей про-

дукт для застосування у некомерцшних шлях (навчаль-них, наукових) безкоштовний. Окр1м цього, вш потребуе незначних комп'ютерних ресурав, тому може бути встановлений на будь-який комп'ютер.

Об'ект дослiдження та його технолопчний аудит.

Об'ектом дослвдження е середш обсяги поток1в туриспв у регюш Укра!ни впродовж 2012-2016 рр.

Це дослщження охоплюе перюд з 2012 р. по 2016 рр., що е достатшм часовим перюдом для виявлен-ня залежностей. Видшено 27 регюшв Укра!ни: АР Крим; 24 обласп; м1ста Ки!'в та Севастополь (нумера-цш регюшв наведено у табл. 1) та розраховано середш обсяги внутр1шшх туриспв, обслугованих туроператорами та турагентами, за метою по1здки та видами туризму для кожного з них.

у реиош Украши впродовж

2012-2016 pp.

№ Область Обслуговано внутршшх турисив, усього № Область Обслуговано внутршшх турисив, усього

1 Украша 645882 15 Одеська 12816

2 Вшницька 6882 16 Полтавська 3920

3 Волинська 7538 17 PiBHeH№ra 3088

4 Дншропетровська 10011 18 Сумська 4331

5 Донецька 15826 19 Тернотльська 3678

6 Житомирська 2967 20 Харювська 13433

7 Закарпатська 4346 21 Херсонська 7200

8 Запорiзька 15032 22 Хмельницька 9677

9 1вано-Франювська 56899 23 Черкаська 2866

10 Кшвська 2700 24 Чершвецька 2974

11 Юровоградська 6717 25 Чершпвська 2232

12 Луганська 4540 26 м. Кшв 328700

13 Львiвська 46410 27 м. Севастополь 20822

14 Микола'1'вська 2920 28 АР Крим 47298

1нформащя про aBTopiB:

Лiп'янiнa Христина Володимирiвнa, викладач кафедри еконо1^чноТ кiбернетики та iнформатики. Email: xrustya.com@gmail.com Цитування за ДСТУ: Лiп'янiна Х. В. Технолопя аналiзу туристичних рекреацШ на ochobî просторових даних. Науковий вкник

НЛТУ Украши. 2018, т. 28, № 1. С. 60-63. Citation APA: Lipyanina, H. V. (2018). Technology of Analysis of Tourist Recreation on the Basis of Spatial Data. Scientific Bulletin of UNFU, 28(1), 60-63. https://doi.org/10.15421/40280112

Мета та завдання дослщження. Метою роботи е визначення технологiï аналiзу туристичних рекреацiй на основi просторових даних.

Для досягнення мети роботи потрiбно:

• визначити залежтсть м1ж регюнами Украïни за показником туристичних потоюв

• провести кластеризацию на основ1 дааграми розсговання Морана.

Дослiдження наявних р1шень проблеми. Для сфе-ри туризму застосування геоiнформацiйного моделю-вання зумовлено наявнiстю специфiчних методiв аналь зу просторових даних, що становлять основу технологи географiчних iнформацiйних систем чи ПС-технологи (Bugaevsky, 2000). Ц питання дослiджують такi втиз-няш вченi, як: Б. С. Бусигш (Busygin, et al., 2000), О. П. Дишлик (Dishluk, 2009), М. Ю. Грицюк (Hrytsiuk & Hrytsiuk, 2013, 2016), I. А. Мiхеев (Mikheev, Noskov & Chudakolov, 2015), Ю. О. Нiколаев (Nikolaev, 2012), Ю. О. Карпiнський (Karpinsky, 2005), А. В. Мельник (Melnyk, 2009), О. О. Свгтличний, С. В. Плотницький (Svitlychny & Plotnitsky, 2006), Л. А. Гнучих (Hnuchuh & Noskova, 2014), Я. I. Виклюк (Vyklyuk & Gats, 2011) та in

Матерiали та методи дослщження. У робот! вико-ристано метод просторовоï автокореляцiï (Загальний ш-декс I Морана) (Spatial Autocorrelation (Global Moran's I)), який вимiрюе просторову автокореляцiю, засновану одночасно на розташуванн об'ектiв та 1х значеннях. Вщповщно до запропонованого набору об'ектiв i пов'язаних з ними атрибутiв, метод просторовоï' автоко-реляцiï' оцiнюе, чи е кластеризащя об'ектiв або вони розподшено розкиданi, або випадково. Цей метод роз-раховуе 1ндекс I Морана, а також z-ощнку i p-значення, щоб оцiнити значущiсть шдексу. P-значення - це чис-ловi вирази областi, розташованоУ пiд кривою, для вщо-мого розподiлу, обмеженого зi статистичним тестом. 1ндекс Морана для просторовоУ автокореляцiï зада-

ють як

i=f zs^

So i=1 j=1

i, jzizj

s Z2,

i =1

де: z - вдаилення атрибута для i-го об'екта вщ його середнього значення (xi -X); wi, j - просторова вага мiж об'ектами i, j,n - загальна кшьюсть об'ектiв; So -сукупнiсть вах просторових ваг:

n n

So = ssw',j ; i=1 j=1

а ZI - оцiнку для статистики розраховують як

Zi = L-Ш

#Й

де: E[I] = —l— ; V[I] = E[i2]- E[I]2. n -1

1ндекс Морана для просторовоУ автокореляци можна розрахувати за допомогою GeoDa. Можна проводити одномiрний аналiз, двомiрний аналiз та 3D аналiз.

За допомогою створення ваг створюються просторо-ва сушжность. При цьому визначення сусщства грун-туеться на наявностi спшьного кордону. Ваги мiж прос-торовими об'ектами формують матрицю просторових ваг, яка вщображае iнтенсивнiсть географiчних вщно-син мiж сусiднiми об'ектами, тобто вщстань мiж сусща-ми, протяжшсть загального кордону, потрапляння до спшьного класу за напрямом (наприклад, на схщ). Ту-

роподiбна i ферзеподiбна сумiжнiсть - назви походять вщ напряму ходiв шахових фiгур.

Туроподiбна сумiжнiсть (Rook Contiguity) - тура ходить тшьки у горизонтальному або вертикальному нап-рямку, тому в цьому випадку сумiжними вважаються тi областi, якi розташованi злiва - справа i зверху - знизу (мають спiльнi кордони).

Ферзеподiбна сумiжнiсть (Queen Contiguity) - ферзь (королева) також ходить по дiагоналях, тому до сумiж-них належать також дiагональнi об'екти, як не мають спшьних кордонiв, але стикаються принайми в однiй точцi.

Результати дослщження та ïx обговорення. Дiаг-раму розсiювання Морана для розподшу обсягiв турис-тiв з використанням матрицi граничних сусiдiв наведено на рис. 1. Кластеризащя регюшв за двома просторо-вими матрицями е рiзною. Спостерiгаеться розкид зна-чень, що свiдчить про значну неоднорiднiсть туристiв по регiонах.

Координатна площина дiаграми розсiювання роздь лена на чотири квадранти (чвертi) - HH, LH, LL, HL, -кожен з яких яюсно характеризуеться певним типом npocTopoBoi' близькосп об'екпв дошпджения.

Рис. 1. Дiаграма розмювання Морана для середнiх обсягiв потоюв туристав у регiонi впродовж 2012-2016 рр. за матрицею граничних сумдав (авторська розробка)

У I кластер (правий верхнш квадрант дiаграми) - ре-гiонiв iз високим значенням туристичних потоюв, якi розмщеш в оточеннi регiонiв з високим значенням туристичних потоюв - регюшв за середшми показниками обсяпв потокiв туристiв - за матрицею граничних сусь дiв не виявлено.

Рис. 2. Карта II кластера на основi дiаграми розсiювання Морана для середшх обсягiв потоюв туристав у регiонi впродовж 2012-2016 рр. за матрицею граничних сумдав (авторська роз-робка).

У II кластер ^вий верхнш квадрант дааграми) (рис. 2) - регютв з низьким значенням туристичних потоков, як1 розмiщенi в оточент регiонiв з високим значенням туристичних потоюв - регiонiв за середтми показни-ками обсягiв потоюв туриспв - за матрицею граничних сусiдiв потрапили: Ктвська, Тернопiльська, Закарпатська область м. Севастополь та Волинська область.

Рис. 3. Карта III кластера на основi дiаграми розаювання Мо-рана для середнiх обсяпв потокiв туристiв у регiонi впродовж 2012-2016 рр. за матрицею граничних сусвдв (авторська роз-робка)

Табл. 2. Список регютв Укра'ши, що потрапили до Ш кластеру на основi дiаграми розсiювання Морана для середшх обсягiв потокiв туриспв у регiонi впродовж 2012-2016 рр.

№ Регюн № Регюн

1 Черкаська область 13 Хмельницька область

2 Чершпвська область 14 Рiвненська область

3 Чершвецька область 15 Сумська область

5 Дншропетровська область 16 Львiвська область

6 Донецька область 17 Луганська область

8 Харювська область 18 Одеська область

9 Херсонська область 19 Полтавська область

10 Кровоградська область 20 Вшницька область

11 Микола!вська область 21 Запорiзька область

12 Житомирська область

Map - 'JKR_adm1 - □ X

Ч к | Ъ <> к | С

Map - UKR_adm1 О (27)

4

О

#obs=27 #selected=4

Рис. 4. Карта IV кластера на основ1 Гаграми розаювання Морана для середшх обсяпв потоюв туриспв у регюш впродовж 2012-2016 рр. за матрицею граничних сусвдв (авторська роз-робка)

У III кластер (правий нижнiй квадрант дааграми) (рис. 3) - регiонiв з високим значенням туристичних потоюв, яю розмщет в оточеннi регютв з низьким значенням туристичних потоюв - регютв за середтми показни-ками обсяпв потоюв туриспв ушйшла найбiльша юль-к1сть областей (нумерацш регiонiв наведено у табл. 2).

У IV кластер ^вий нижнш квадрант дiаграми) (рис. 4) - регютв з низьким значенням туристичних потоюв, яю розмщет в оточент регютв з низьким значенням туристичних потоюв - регютв за середтми показниками обсяпв потоюв туриспв увшшли м. Ки!в, Львiвська, ^ано-Франювська обласп, АР Крим.

Як видно з дiаграм на рис. 1, I < 0, тобто спостерь гаеться вiд'eмна автокореляцiя, i загалом значення щодо потоку туристiв у суадтх регiонах вiдрiзняються.

Висновки. За результатами проведеного аналiзу за просторовою матрицею виявлено, що iснуе деякий роз-кид значень туристичних потоюв за регюнами, проте загалом дат знаходяться в одному окол1. Така ситуацiя показуе, що розвиток туризму в бшьшосп регiонiв Ук-ра!ни однаковий.

Виявлення просторово! кореляцп (кластеризацп ре-гiонiв) за допомогою коефщента загально! просторово! автокореляцп та дiаграми розсiювання е тiльки першим кроком у просторовому аналiзi. Статистика I показуе, що значення дослвджувано! змiнно! Y просторово клас-теризованi в бшьшому ступенi, нiж за випадкового роз-подiлу, проте не пояснюе, чому це вiдбуваеться, тому перспективним напрямом дослвджень е перевiрка гшо-тез про характер просторових взаемодш.

Перелiк використаних джерел

Bugaevsky, L. M. (2000). Geographic information systems. Moscow:

Zlatoust. 222 p. [In Russian]. Busygin, B. S., Garkusha, I. N., Serydinin, E. S., & Gaevenko, A. Yu., (2000). Instrumentation of geoinformation systems. Kiev: IWG "WB". 172 p. [In Russian]. Dishluk, O. P. (2009). Neo-geography and the future of cartography.

Ukr. geogr. Journ, 1, 50-58. [In Ukrainian]. Hnuchuh, L. A., & Noskova, V. V. (2014). Progressive IT technologies in the development of the tourism industry in Kharkiv region. Collection of scientific works SWorld, 1(6), 71-75. Ivanovo: MARKOV AD. [In Ukrainian]. Hrytsiuk, M. Yu., & Hrytsiuk, Yu. I. (2013). Metody kompleksnoho otsiniuvannia variantiv stratehichnoho rozvytku turystychnoi haluzi. Visnyk Natsionalnoho universytetu "Lvivska politekhnika": zb. nauk. prats. Ser.: Kompiuterni nauky ta informatsiini tekhnolohii, 672, 110-119. Lviv: Vyd-vo NU "Lvivska politekhnika". [In Ukrainian].

Hrytsiuk, Yu. I., & Hrytsiuk, M. Yu. (2016). Modeliuvannia stratehii povedinky konkurentnykh firm na rynku nadannia turystychnykh posluh. Visnyk Natsionalnoho universytetu "Lvivska politekhnika ": zb. nauk. prats. Ser.: Informatsiini systemy ta merezhi, 854, 50-62. Lviv: Vyd-vo NU "Lvivska politekhnika". [In Ukrainian]. Karpinsky, Yu. O. (2005). Technical and economic report on the formation of the National Geospatial Data Infrastructure (UkrNIGD). The role and problems of geoinformatics in modern society. [In Ukrainian].

Melnyk, A. V. (2009). Implementation and improvement of geoinformation technologies in tourism activity. Scientific herald of UzhNU, 28, 43-44. [In Ukrainian]. Mikheev, I. A., Noskova, V. V., & Chudakolov, A. Y., (2015). Geoinformation modeling of regional sphere of tourism. Systems of information processing, 5, 74-77. [In Ukrainian]. Nikolaev, Yu. O. (2012). Tourism clusters in Ukraine. Bulletin of socio-economic research, 4, 336-341. [In Ukrainian]. Svitlychny, O. (Ed.), & Plotnitsky, S. V. (2006). Fundamentals of Geoinformatics: Textbook For Collegiate, 17—18. Sumy: VTD "University Book". [In Ukrainian]. Vyklyuk, Ya. I., & Gats, B. M. (2011). An overview of the current state of information support for the functioning of the tourism industry. Bulletin of the National University "Lviv Polytechnic ". Seri-ya: Information systems and networks, 715, 59-68. [In Ukrainian].

Х В. Липьянина

Тернопольский национальный экономический университет, г. Тернополь, Украина

ТЕХНОЛОГИЯ АНАЛИЗА ТУРИСТИЧЕСКИХ РЕКРЕАЦИЙ НА ОСНОВЕ ПРОСТРАНСТВЕННЫХ ДАННЫХ

На сегодняшний день существует огромное количество неструктурированной разветвленной информации по объектам туризма и туристических услуг в Украине. Поэтому, рассмотрен процесс потока туристов в регионах Украины в течение 2012-2016 гг. Современные средства анализа территориального размещения объектов основываются на использовании геоинформационных технологий. Разработан программный модуль для проведения различных видов кластерного анализа географических объектов и автоматизированного построения тематических карт в программной среде GeoDa. Посредством создания весов выделены виды пространственной смежности. Исследован вопрос математического анализа географической информации с помощью метода Индекс Морана. Определены кластеры процесса потока туристов в регионах Украины на основе диаграммы рассеивания Морана. Установлено, что существует некоторый разброс значений туристических потоков по регионам, что влияет на точность анализа. Доказано, что развитие туризма в большинстве регионов Украины одинаковое. Полученные результаты могут быть использованы при оценке сбалансированности развития туризма по регионам и формирования механизмов сглаживания влияния внешних шоков на экономическую динамику. Дальнейшими направлениями исследований является проверка гипотез о характере пространственных взаимодействий.

Ключевые слова: туризм; туристические потоки; ГИС; GeoDa; диаграмма Морана; кластеризация.

H. V. Lipyanina

Ternopil National Economic University, Ternopil, Ukraine

TECHNOLOGY OF ANALYSIS OF TOURIST RECREATION ON THE BASIS OF SPATIAL DATA

Geographic information systems (GIS) have recently been classified as one of the most effective tools for management and analysis. GIS technologies are the basis for the formation of tourist maps. The object of the study is the average volume of tourist flows in Ukraine's regions during 2012-2016. The purpose of the study is to determine the technology of the analysis of tourist recreation through spatial data. To achieve the goal of work it is necessary: to determine the dependence between the regions of Ukraine on the indicator of tourist flows; to conduct clustering based on the Moran scattering diagram. The method of spatial autocorrelation (General Index I Moran), which measures spatial autocorrelation, is based on the simultaneous location of objects and their meanings. By creating weights, the types of spatial contiguity are singled out. Coordinate plane scatter diagram is divided into four quadrants (quarter) - HH, LH, LL, HL, - each of which is characterized by a certain type of quality spatial proximity observations. The analysis carried out on the spatial matrix revealed that there is some spread of values of tourist flows by region, but in general, data are in one neighbourhood. This situation shows that the development of tourism in the majority of regions of Ukraine is the same. The obtained results can be used in the assessment of the equilibrium of tourism development in the regions and the formation of mechanisms for smoothing out the impact of external shocks on economic dynamics. Further areas of research are checking hypotheses about the nature of spatial interactions.

Keywords: tourism; tourist flows; GIS; GeoDa; Moran chart; clustering.