Применение адаптивного моделирования в исследованиях туристских потоков

Автор: Александрова Анна Юрьевна, Домбровская Вероника Евгеньевна

Журнал: Современные проблемы сервиса и туризма @spst

Рубрика: Локальное в глобальном: формула туризма

Статья в выпуске: 1 т.15, 2021 года.

Бесплатный доступ

Статья посвящена прогнозированию как одному из направлений специальных научных исследований, позволяющему оценивать перспективы развития туристской деятельности, выявлять основные факторы развития и критерии принятия эффективных управленческих решений. В работе представлен обзор современных методик, используемых в российских и зарубежных научных работах, для получения прогнозов в сфере туризма. Предложен пилотный вариант получения прогноза одного из основных показателей конкурентоспособности туристской дестинации - объема туристских потоков - на основе методики построения адаптивных моделей, которые хорошо зарекомендовали себя применительно к исследованию процессов с неустойчивым характером динамики. Эти модели способны учитывать эволюцию развития исследуемого явления, закономерно и постепенно подстраиваясь под изменяющиеся условия. Туризм, зависящий от большого числа в том числе внешних факторов, часто оказывается в условиях неопределенности, что ярко проиллюстрировала ситуация пандемии, негативно повлиявшая на туристский бизнес. Однако любой кризис, в конечном итоге, приводит к поиску новых возможностей для развития бизнеса, оптимизации управления, стратегическому и тактическому планированию, в которых роль прогнозирования чрезвычайно велика. Кроме того, в пользу адаптивного прогнозирования можно отнести способность учитывать сезонную компоненту, влияние которой на туризм порой является превалирующим. Предлагаемая модель носит универсальный характер и может быть применена к разным типам, видам, формам туризма, в том числе нишевым. В статье модель апробируется на примере массового туризма. В качестве исследуемого туристского объекта взят г. Барселона, на протяжении долгого времени (вплоть до 2019 года включительно) демонстрирующий признаки сверхтуризма, подтверждённые в данной статье с помощью анализа динамики ряда показателей за 2010-2019 гг., взятых с официальных сайтов Испании.

Еще

Прогнозирование, адаптивное моделирование, туристские потоки, сверхтуризм

Короткий адрес: https://sciup.org/140256987

IDR: 140256987   |   DOI: 10.24412/1995-0411-2021-1-7-20

Список литературы Применение адаптивного моделирования в исследованиях туристских потоков

  • Александрова А. Ю. Изменения туристского геопространства в эпоху всеобщей мобильности // Вестник Московского университета. Сер. 5. География. 2020. №2. С. 3-12.
  • Александрова А. Ю. Международный туризм. М.: Аспект Пресс, 2002. 470 с.
  • Александрова А. Ю. Сверхтуризм и туризмофобия в европейских городах-дестинациях (кейс Барселоны) // Современные проблемы сервиса и туризма. 2018. Т.12. №4. С. 56-68. DOI: 10.24411/1995-0411-2018-10405
  • Барчуков И.С. Методы научных исследований в туризме. М.: Издат. центр "Академия", 2008. 224 с.
  • Гладилин В.А., Гладилин А.В. Регрессионное моделирование и прогнозирование в туристско-рекреационном комплексе региона // Международный научный журнал "Инновационная наука". 2016. №8. С. 117-120.
  • Давнис В.В., Тинякова В.И. Адаптивные модели: анализ и прогноз в экономических системах. Воронеж: Воронежский гос. ун-т, 2006. 380 с.
  • Жагина С.Н., Низовцев В.А., Светлосанов В.А., Пахомова О.М. Проблемы развития туризма на территории Европейского Севера России // Инновационное развитие современной науки: проблемы, закономерности, перспективы: Сб. ст. XII междунар. науч.-практ. конф. Пенза, 2019. С. 101-104.
  • Затонский А.В., Тугашова Л.Г., Барова А.Е. Моделирование и прогнозирование развития внутреннего и внешнего туризма в Турции // Прикладная математика и вопросы управления. 2019. №2. С. 135-150. DOI: 10.15593/2499-9873/2019.2.07
  • Николаева Т.П., Орешкина Е.С. Детерминанты спроса на въездной туризм (на примере стран Европы и СНГ) // Сервис в России и за рубежом. 2016. Т.10. №08(69). С. 17-28. DOI: 10.22412/1995-042X-10-8
  • Athanasopoulos G., Hyndman R.J. Modelling and forecasting Australian domestic tourism // Tourism Management. 2008. Vol.29. Iss.1. Pp. 19-31. DOI: 10.1016/j.tourman.2007.04.009
  • Atsalakis G., Atsalaki I., Zopounidis C. Forecasting the success of a new tourism service by a neuro-fuzzy technique // European Journal of Operational Research. 2018. Vol.268. Iss.2. Pp. 716-727. DOI: 10.1016/j.ejor.2018.01.044
  • Bi J.-W., Liu Y., Li H. Daily tourism volume forecasting for tourist attractions // Annals of Tourism Research. 2020. Vol.83. DOI: 10.1016/j.annals.2020.102923
  • Bosupeng M. Forecasting tourism demand: The Hamilton filter // Annals of Tourism Research. 2019. Vol.79. DOI: 10.1016/j.annals.2019.102823
  • Chu F.-L. Using a logistic growth regression model to forecast the demand for tourism in Las Vegas // Tourism Management Perspectives. 2014. Vol.12. Pp. 62-67. DOI: 10.1016/j.tmp.2014.08.003
  • Chun J., Kim C.-K., Kim G. S., Jeong J., Lee W.-K. Social big data informs spatially explicit management options for national parks with high tourism pressures // Tourism Management. 2020. Vol.81. DOI: 10.1016/j.tourman.2020.104136
  • Claveria O., Torra S. Forecasting tourism demand to Catalonia: Neural networks vs. time series models // Economic Modelling. 2014. Vol.36. Pp. 220-228. DOI: 10.1016/j.econmod.2013.09.024
  • Colladon A.F., Guardabascio B., Innarella R. Using social network and semantic analysis to analyze online travel forums and forecast tourism demand // Decision Support Systems. 2019. Vol.123. DOI: 10.1016/j.dss.2019.113075
  • Jiao X., Li G., Chen J.L. Forecasting international tourism demand: a local spatiotemporal model // Annals of Tourism Research. 2020. Vol.83. DOI: 10.1016/j.annals.2020.102937
  • Lourenco, N., Gouveia, C. M., Rua, A. Forecasting tourism with targeted predictors in a data-rich environment // Economic Modelling. 2021. Vol.96. Pp. 445-454. DOI: 10.1016/j.econmod.2020.03.030
  • Khaidi S.M., Noratikah A., Noryanti M. Tourism demand forecasting - a review on the variables and models // Journal of Physics: Conference Series. 2019. DOI: 10.1088/1742-6596/1366/1/012111
  • Park S., Xu Y., Jiang L., Chen Z., Huang S. Spatial structures of tourism destinations: A trajectory data mining approach leveraging mobile big data // Annals of Tourism Research. 2020. Vol.84. DOI: 10.1016/j.annals.2020.102973
  • Saluveer E., Raun J., Tiru M., Altin L., Kroon J., Snitsarenko T., Aasa A., Silm S. Methodological framework for producing national tourism statistics from mobile positioning data // Annals of Tourism Research. 2020. Vol.81. DOI: 10.1016/j.annals.2020.102895
  • Shen S., Li G., Song H. Combination forecasts of International tourism demand // Annals of Tourism Research. 2011. Vol.38. Iss.1. Pp. 72-89. DOI: 10.1016/j.annals.2010.05.003
  • Song H., Li G. Tourism Demand Modelling and Forecasting: A Review of Recent Research // Tourism Management. 2008. Vol.29. Iss.2. Pp. 203-220. DOI: 10.1016/j.tourman.2007.07.016
  • Wan S.K., Song H. Forecasting turning points in tourism growth // Annals of Tourism Research. 2018. Vol.72. Pp. 156-167. DOI: 10.1016/j.annals.2018.07.010
  • Xie G., Qian Y., Wang S. A decomposition-ensemble approach for tourism forecasting // Annals of Tourism Research. 2020. Vol.81. DOI: 10.1016/j.annals.2020.102891
  • Yang Y., Zhang H. Spatial-temporal forecasting of tourism demand // Annals of Tourism Research. 2019. Vol.75. Pp. 106-119. DOI: 10.1016/j.annals.2018.12.024
Еще
Статья научная