طراحی مدل پیش بینی ریسک گردشگری با استفاده از رویکرد فازی
محورهای موضوعی : مطالعات مدیریت شهری
امیر رضا خادم
1
(مسئول مکاتبات)
حامد صارمی
2
(ندارد)
کلید واژه: گردشگری, توریست, منطق فازی, ریسک, کلان شهر,
چکیده مقاله :
مقدمه و هدف پژوهش: پیش بینی از اصول پایه رسیدن به توسعه پایدار و ایجاد تعادل در محیط پیچیده و پویا می‌باشد و صنعت توریسم بعد از نفت دومین صنعت پردرآمد در جهان می‌باشد. در همین راستا هدف پژوهش استفاده از رویکرد فازی-عصبی بوده تا مدلی جهت پیش بینی ریسک توریسم در محیط پیچیده و پویا تدوین تمایل، بدین منظور ابتدا پارامترهای مؤثر بر فرایند تعیین تعداد توریسم در کلان شهر تهران که جامعه آماری بوده، شناسایی و سپس متغیرها در 10 دسته اصلی طبقه بندی و به عنوان ورودی در نظر گرفته شده است. روش پژوهش: در پژوهش حاضر، روش کار ترکیبی از روش‌های اسنادی، تحلیلی و ریاضی است. در این مطالعه با استفاده از منابع آماری و پژوهشی 29 شاخص در ده حوزه‌ی ساختاری، اجتماعی، مالی، سلامت، روانی، فرهنگی، ایمنی، حقوقی، سیاسی و تروریسم استخراج شده و در خصوص کلان‌شهر تهران مورد مطالعه قرار گرفته. پس از طبقه بندی، هر کدام از متغیرها با استفاده از توابع عضویت از متغیرهای کلامی تبدیل به متغیرهای کیفی و سپس کمی شده‌اند. یافته‌ها: هر متغیر به صورت فازی، وارد سیستم شبکه عصبی - فازی و در نهایت هرکدام به عنوان متغیر خروجی به صورت فازی از سیستم استنتاج شده. پس از ایجاد 10 شبکه فازی، نتایج خروجی هر کدام به عنوان یک عامل تأثیرگذار بر ریسک اصلی با وزن خاصی مربوط شده و سپس با رابطه وزنی هر کدام از ریز ریسک‌ها، ریسک اصلی بدست آمده است. نتیجه گیری: در انتها شهر تهران به عنوان مطالعه موردی، ارزیابی شده که تهران با 50 درصد (متوسط) ریسک گردشگری با منشأ انسانی محاسبه گردیده است
Introduction and Aim: Prediction is based on the principles of sustainable development and achieving balance in complex and dynamic environments and Tourism is the second most lucrative industry in the world after oil. In this regard, the approach of using fuzzy - neural model to predict the risk tourism in complex and dynamic environments. To this end, first determine the number of process parameters affecting tourism in the Tehran metropolitan population was identified and then classified as input variables in 10 categories have been considered. Methods: The present study is the combination of documentation methods, analytical and mathematical. In this study, using statistical and research resources in ten of the 29 indicators of the structural, social, financial, health, psychological, cultural, safety, legal, political and terrorism extracted and studied in Tehran Metropolis . After classification, each of the variables using the membership functions of the linguistic variables are converted into qualitative and quantitative variables Results: Each fuzzy variable is entered into the system as a fuzzy neural network. After that, each variable is output as fuzzy inference system. After creating 10-phase network, the network output results as a major factor affecting risk is characterized by a certain weight. Finally, the main risk is calculated by weighting each of the statements concerning the risks Conclusion: Finally, Tehran, as a case study, has been calculated with 50% (average) risk of human-induced tourism.