A data-driven approach to understanding visitors' behaviorto reduce the negative effects of tourism in historical cities
Tarihi kentlerde turizmin olumsuz etkilerini azaltmak için ziyaretçi davranışlarını anlamaya yönelik veri odaklı bir yaklaşım
- Tez No: 937121
- Danışmanlar: PROF. DR. THEO ARENTZE, DR. ÖĞR. ÜYESİ GAMZE DANE
- Tez Türü: Doktora
- Konular: Mimarlık, Şehircilik ve Bölge Planlama, Architecture, Urban and Regional Planning
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Technische Universiteit Eindhoven
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Mimarlık ve Yapılı Çevre Ana Bilim Dalı
- Bilim Dalı: Mimarlık ve Kent Çalışmaları Bilim Dalı
- Sayfa Sayısı: 201
Özet
Son yıllarda, tarihi şehirlerdeki turizm faaliyetleri artmış ve aşırı kalabalık, çevresel bozulma ve yerel kültürün kaybı gibi sorunlara yol açmıştır. Bu olumsuz etkiler, belirli bir yere aşırı ziyaretçi geldiğinde ortaya çıkan“aşırı turizm”terimiyle tanımlanmaktadır. Bu olgu genellikle miras değerleri ve popülerlikleri nedeniyle kalabalık çeken iyi bilinen tarihi alanları etkiler. Tarihi şehirlerde aşırı turizmi ele almak ve dengeli bir ziyaretçi dağılımı elde etmek için, ziyaretçi hareketlerini ve konum seçimleri için motivasyonları anlamak çok önemlidir. Bu anlayış, turistleri daha az kalabalık alanları keşfetmeye teşvik ederek ve daha otantik bir deneyim yaşamalarını sağlayarak, kişiye özel öneriler ve hizmetler sunabilir. Konum tabanlı sosyal ağlar (LBSN) ve gönüllü coğrafi bilgiler (VGI) dahil olmak üzere ortaya çıkan büyük veri kaynakları, son derece ayrıntılı konum-zaman açıklamalarıyla ziyaretçilerin davranışları ve algıları hakkında değerli içgörüler sağlar. Önceki çalışmalar, popüler noktaları belirlemek için LBSN verilerinden yararlandı ancak genellikle kültürel mirasın ve inşa edilmiş çevre özelliklerinin konumların çekiciliği üzerindeki etkisini ihmal etmiştir. Bu çalışmalar, entegre bir bakış açısını gözden kaçırarak ziyaretçi davranışına veya miras önemine odaklandı. Ayrıca, büyük veri odaklı araştırmaların sonuçları genellikle anketler ve turistlerin davranışları hakkında değerli içgörüler sağlayan görüşmeler gibi geleneksel ziyaretçi verileriyle çapraz doğrulamadan yoksundur. Bu anlamda, (i) yeni mevcut büyük verilerin kentsel mirasa eşit erişim için nasıl kullanılabileceği ve (ii) ziyaretçilere özel öneriler sunmak için farklı ziyaretçi segmentlerinin özel ihtiyaçlarının nasıl ayırt edileceği konusunda hala sınırlı anlayış bulunmaktadır. Boşluğu kapatmak için, tarihi şehirlerdeki kitle turizmi baskısını azaltmayı amaçlayan ziyaretçilerin hareketlerini, algılarını ve motivasyonlarını kapsamlı bir şekilde anlamak için dört farklı alt çalışma yürütülmüştür. İlk çalışma, Amsterdam'daki sosyal medya verilerinin kullanımı yoluyla çekici kültürel miras alanlarını ve kentsel miras alanlarıyla turist etkileşimlerini belirlemeyi amaçlamıştır. Çekici miras alanlarını bulmak için, Flickr verileri üzerinde Gürültülü Uygulamaların Yoğunluk Tabanlı Mekansal Kümelenmesi (DBSCAN) yürütülmüş ve örtüşen miras olarak belirlenmiş binalar Ulusal Anıt verilerinden çıkarılmıştır. Sonuçlar, turistlerin ana akım miras yerlerini ziyaret etmeyi tercih ederken, yerel halkın daha az bilinen yerleri tercih ettiğini göstermiştir. Miras çekiciliğini tahmin etmek için, En Küçük Kareler (OLS) ve Coğrafi Ağırlıklı Regresyon (GWR) uygulandı. GWR, tarihi merkezdeki cazibe merkezlerinin ve tramvay-metro duraklarının miras çekiciliğine olumlu katkıda bulunduğunu vurgulayarak mekansal içgörüler sağlamıştır. Ek olarak, restoranlar ve açık pazarlar gibi olanaklar Amsterdam'daki daha az bilinen alanları tanıtmak için potansiyel yerlerdir. İkinci çalışma, turist kalıplarını, algılarını anlamaya ve alternatif miras konumları önermeye odaklanmıştır. Önceki çalışmadaki kümelere dayanarak ağ analizi ve metinsel veri analizi yürütülmüştür. Ağ analizi, Centraal Station ve Museumplein'in iyi bağlantılı olduğunu ve önemli ziyaretçi merkezleri olarak hizmet ettiğini ortaya koymuştur. Sözcüksel analiz, Flickr verilerine“Amsterdam”ve“kanal”gibi ortak tanımlayıcıların eklendiğini göstermiştir. Bu çalışma ayrıca, daha az fotoğraflanan yerleri eşit ziyaretçi dağılımı için dikkate alarak ısı haritası analiziyle mirasın konumu ve turistler tarafından çekilen fotoğraflar arasındaki korelasyon yoluyla alternatif miras türlerini önermeyi amaçlamiştir. Üçüncü çalışma, ziyaretçi segmentlerini kültürel miras lokasyon seçimlerine göre tanımlamıştır ve ziyaretçilerin belirtilen seçim deneyinde (SCE) seçim davranışlarını inceleyerek aşırı turizm zorluklarını ele almak için politika önerileri formüle etmiştir. Kişisel özellikler, ziyaretçilerin motivasyonu, SCE ve harita tabanlı bilgilerle ilgili bir anketten oluşan çevrimiçi bir anket, Amsterdam ziyaretçilerinden oluşan rastgele bir örneklemle gerçekleştirilmiştir. Gizli sınıf analizi,“kültürel cazibe arayanlar”,“seçici gezginler”ve“şehir hayatı severler”olmak üzere üç ziyaretçi segmenti tanımlamıştır. Bu segmentlere dayanarak, fiyat duyarlılığı, yaş, seyahat şekli ve lokasyon seçimleri gibi faktörler göz önünde bulundurularak politika önerileri formüle edilmiştir. Giriş ücretleri en etkili özellik olarak ortaya çıkmış, bunu kalabalıklık seviyeleri ve miras çekiciliği izlemiştir. Dördüncü çalışma, ziyaretçilerin duygularını inceleyerek tekrar ziyaret niyetleri üzerindeki etkiyi ortaya çıkarmıştır. İkili lojistik regresyon, rahatlık, mutluluk ve rahatsızlık duyguları da dahil olmak üzere önemli duyguların tekrar ziyaret niyetleri üzerinde olumlu bir etkisi olduğunu belirlemiştir. Regresyon modeli ayrıca ziyaretçi segmentlerini de içermekte ve“kültürel cazibe arayanlar”ve“seçici gezginlerin”Amsterdam'ı tekrar ziyaret etmeyi daha çok düşündüklerini ortaya koymuştur. Bu çalışma, İlgi Çekici Noktalar (POI'ler) ile belirli ziyaretçi segmentleri arasındaki ilişkiyi belirlemek için son ziyaret edilen dört unutulmaz lokasyonu ve bu lokasyonlara bağlı duyguları sorgulayan anketten alınan harita tabanlı ortaya çıkarılmış verileri kullanmıştır. İlişkilendirme kurallarını ortaya çıkarmak için“apriori algoritması”uygulanmış ve hesaplanan metrikler altta yatan ilişkileri göstermiştir. Bu araştırma, aşırı turizm zorlukları karşısında tarihi şehirlerdeki ziyaretçi davranışını anlama ve yönetmenin kritik önemini vurgulamaktadır. Bu sorunları ele almak için veri odaklı stratejileri savunmakta ve segment hedefli yaklaşımlar ve duygu temelli katılım stratejileri de dahil olmak üzere yeni davranış içgörüleri ve pratik içgörüler sunmaktadır. Bu araştırma, kentsel miras turizmi politika yapımını desteklemek için daha entegre ve veri odaklı bir yaklaşıma katkıda bulunmaktadır.
Özet (Çeviri)
In recent years, tourism activities in historical cities have surged, leading to problems such as excessive crowds, environmental degradation, and the loss of local culture. These negative impacts are described by the term“overtourism”which occurs when there are excessive visitors to a particular location. This phenomenon usually affects well-known historical areas that draw crowds due to their heritage value and popularity. To address overtourism and achieve a balanced visitor distribution in historical cities, it is crucial to understand visitor movements and motivations for location choices. This understanding can enable tailored recommendations and services, encouraging tourists to explore less crowded areas and allowing them to enjoy a more authentic experience. Emerging big data sources, including location-based social networks (LBSN) and volunteered geographic information (VGI), provide valuable insights into visitors' behavior and perception with highly granulated location-time annotation. Previous studies have leveraged LBSN data to identify popular spots but have often neglected the influence of heritage and the built environment characteristics on the attractiveness of locations. These studies focused either on visitor behavior or heritage significance, missing an integrated perspective. Moreover, outcomes of big data-driven research usually lacked cross-validation with traditional visitor data such as surveys and interviews which provide valuable insight into tourists' behavior. In that sense, there is still limited understanding of (i) how newly available big data can be leveraged for equal accessibility of urban heritage, and (ii) how to distinguish the specific needs of different visitor' segments for giving tailored recommendations to visitors. To bridge the gap, four different sub-studies were conducted to comprehensively understand visitors' movements, perceptions, and motivations aiming to mitigate mass tourism pressure in historical cities. The first study aimed to identify attractive heritage areas and tourist interactions with urban heritage sites through the use of social media data in Amsterdam. To find attractive heritage areas, Density-Based Spatial Clustering of Applications with Noise (DBSCAN) was conducted on Flickr data and overlapping heritage-designated buildings were extracted from the National Monument data. Results showed that tourists preferred to visit mainstream heritage locations while locals favored less-known places. In order to estimate heritage attractiveness, Ordinary Least Square (OLS) and Geographically Weighted Regression (GWR) were applied. GWR provided spatial insights, highlighting that attractions and tram-metro stops in the historical core positively contributed to the heritage attractiveness. Additionally, amenities such as restaurants and open markets are potential places to promote less-known areas in Amsterdam. The second study focused on understanding tourist patterns, perceptions and recommending alternative heritage locations. Network analysis and textual data analysis were conducted based on clusters from the previous study. Network analysis revealed that Centraal Station and Museumplein were well-connected and served as prominent visitor hubs. Lexical analysis showed common descriptors such as“Amsterdam”and“canal”added to Flickr data. This study also sought to suggest alternative heritage with their types through the correlation between the location of heritage and photographs taken by tourists with heatmap analysis considering less-photographed places for even visitor distribution. The third study identified visitor segments based on their heritage location choice and formulating policy recommendations to address overtourism challenges by examining visitors' choice behavior in a stated choice experiment (SCE). An online survey that consists of a questionnaire about personal characteristics, visitors' motivation, SCE, and map-based information was conducted with a random sample of Amsterdam visitors. The latent class analysis identified three visitor segments as“cultural attraction seekers”,“selective sightseers”, and“city life lovers”. Based on these segments, policy recommendations were formulated, considering factors such as price sensitivity, age, travel mode, and location choices. Entrance fees emerged as the most influential attribute, followed by crowdedness levels and heritage attractiveness. The fourth study explored visitors' emotions, uncovering the impact on revisit intentions. Binary logistic regression identified significant emotions including feelings of comfort, happiness, and annoyance have a positive impact on revisit intentions. The regression model also incorporated visitor segments, revealing that“cultural attraction seekers”and“selective sightseers”were more likely to consider revisiting Amsterdam. This study utilized map-based revealed data from the survey that queried the last visited four memorable locations and emotions attached to these locations to identify the relation between POIs and particular visitor segments. The apriori algorithm was applied to uncover association rules and the calculated metrics show underlying relations. This research highlights the critical importance of understanding and managing visitor behavior in historical cities in the face of overtourism challenges. It advocates for data-driven strategies to address these issues and offers new behavior insights and practical insights, including segment-targeted approaches, and emotion-based engagement strategies. This research contributes to a more integrated and data-driven approach to support urban heritage tourism policy making.
Benzer Tezler
- Revealing the semantic and spatial evolution of historical landscapes through the mixed-method approach: A case study of Alaca Höyük
Tarihsel peyzajların anlamsal ve mekansal evriminin karma yöntem yaklaşımıyla ortaya konulması: Alaca Höyük örneği
ARZU TÜRK
Doktora
İngilizce
2025
Arkeolojiİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
PROF. DR. BÜLENT ARIKAN
PROF. DR. SAM TURNER
- Park yapma alışkanlıklarının analiz edilmesi ve uygulama bölgesi için otopark politikaları önerisi
Analysing parking behaviours and suggesting parking policies for the application area
ÇAĞLAR TOZLUOĞLU
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÖZGÜR DOĞRU
- A data-driven approach for understanding human behavior in urban studies
Kent araştırmalarında insan davranışını anlamak için veri tabanlı bir yaklaşım
BERTUĞ KAAN DEMİR
Yüksek Lisans
İngilizce
2023
Kamu YönetimiTED ÜniversitesiMimarlık ve Kent Çalışmaları Bilim Dalı
DR. ÖĞR. ÜYESİ BAŞAK UÇAR KIRMIZIGÜL
DR. ÖĞR. ÜYESİ İNAN UTKU TÜRKMEN
- A data-driven approach to NFT trading: Q-learning based simulator
NFT alım-satımında veriye dayalı bir yaklaşım: Q-öğrenme tabanlı simülatör
SÜLEYMAN KAMALAK
Yüksek Lisans
İngilizce
2023
Endüstri ve Endüstri MühendisliğiÖzyeğin ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. ERİNÇ ALBEY
- Understanding and improving operational performance ofthe air handling units: A Data-driven approach
Başlık çevirisi yok
GÖKMEN DEDEMEN