A variety of techniques are availab

A variety of techniques are available to observe tourist movements. The traditional tracking techniques are based on observations and interviews that require the researcher to follow an individual tourist and records his or her movements [8]. Participants are also asked to trace or retrace their spatial movements on a cartographic map using self-administered questionnaires [9] and [27]. Recently, new tracking techniques such as global positioning systems (GPS) [1], timing systems [21], camera-based systems [12], personal digital assistants (PDAs) tracking devices [11] and [20], mobile phone tracking [26] have been utilised to record movement information of tourists with resulting high resolution.

Before they will yield useful information on significant tourist movement patterns, the tourist track data must be first simplified and analysed. Data mining methods, such as expectation maximisation (EM) clustering, are used to identify the spatio-temporal movement patterns of tourists for different tourist topologies [19], [28] and [30]. Statistical methods, such as log-linear models, logistic-regression and Markov chains are also applied to analyse movement data. For example, the hidden movement patterns of tourists could be identified by the log-linear method [2]. Markov chains techniques have been used to explain human patterns of migration [5] and [25], to modelling human random walks [22] and through to predicting population distribution within a given area for a certain time interval [7].

Αποτελέσματα (Ελληνικά) 1:

Μια ποικιλία από τεχνικές είναι διαθέσιμες να παρατηρήσουν την τουριστική κίνηση. Τις παραδοσιακές καταδίωξη τεχνικές βασίζονται σε παρατηρήσεις και συνεντεύξεις που απαιτούν τον ερευνητή να ακολουθήσει μια 19α και καταγράφει τις κινήσεις του / της [8]. Οι συμμετέχοντες καλούνται επίσης να εντοπίσει ή να αναπολώ χωρική κινήσεις τους στο χαρτογραφικό χάρτη μέσω αυτοδιοικούμενα ερωτηματολογίων [9] και [27]. Πρόσφατα, νέα παρακολούθηση τεχνικές όπως ΔΟΡΥΦΟΡΙΚΟΙ ΠΛΟΗΓΟΙ (GPS) [1], χρονοδιάγραμμα συστήματα [21], συστήματα που βασίζονται σε φωτογραφική μηχανή [12], προσωπικούς ψηφιακούς βοηθούς (PDA) ακολουθώντας συσκευές [11] και [20], κινητό τηλέφωνο παρακολούθησης [26] έχουν χρησιμοποιηθεί για την δισκογραφική κυκλοφορία πληροφοριών τουριστών με αποτέλεσμα υψηλής ανάλυσης.Πριν να θα αποφέρουν χρήσιμες πληροφορίες σχετικά με σημαντική τουριστική κίνηση μοτίβα, τα τουριστικά δεδομένα των κομματιών πρέπει να πρώτα απλοποιημένα και να αναλυθούν. Μεθόδους εξόρυξης δεδομένων, όπως την προσδοκία ομαδοποίηση μεγιστοποίηση (EM), χρησιμοποιούνται για να προσδιορίσετε τα μοτίβα ΧΩΡΟ-χρονική κίνηση των τουριστών για διάφορους τουριστικούς τοπολογίες [19], [28] και [30]. Στατιστικές μέθοδοι, όπως το αρχείο καταγραφής-γραμμικά μοντέλα, λογαριθμικής παλινδρόμησης και αλυσίδες Markov είναι επίσης εφαρμόζεται για την ανάλυση δεδομένων κίνησης. Για παράδειγμα, τα σχέδια κρυφό μετακίνησης των τουριστών θα μπορούσε να προσδιορίζεται από το αρχείο καταγραφής-γραμμική μέθοδος [2]. Τεχνικές αλυσίδες Markov έχουν χρησιμοποιηθεί για να εξηγήσει την ανθρώπινη μοτίβα της μετανάστευσης [5] και [25], να μοντελοποίησης ανθρώπινη γεννήτορες [22] και μέσω να πρόβλεψη κατανομή του πληθυσμού σε μια δεδομένη περιοχή για ένα ορισμένο χρονικό διάστημα [7].

Αποτελέσματα (Ελληνικά) 2:

Μια ποικιλία τεχνικών είναι διαθέσιμες για να παρατηρήσουν τουριστικές μετακινήσεις. Οι παραδοσιακές τεχνικές παρακολούθησης με βάση τις παρατηρήσεις και συνεντεύξεις που απαιτούν από τον ερευνητή να ακολουθήσει ένα άτομο τουριστικές και καταγράφει τις κινήσεις του ή της [8]. Οι συμμετέχοντες καλούνται επίσης να εντοπίσουν ή να εντοπίζουν χωρικές κινήσεις τους σε έναν χαρτογραφικό χάρτη με τη χρήση ερωτηματολογίων [9] και [27]. Πρόσφατα, νέες τεχνικές παρακολούθησης, όπως τα συστήματα παγκόσμιου εντοπισμού θέσης (GPS) [1], συστήματα χρονισμού [21], συστήματα κάμερας που βασίζεται [12], των προσωπικών ψηφιακών βοηθών (PDA) συσκευές παρακολούθησης [11] και [20], παρακολούθηση κινητών συσκευών τηλεφώνου [26] έχουν χρησιμοποιηθεί για την καταγραφή πληροφοριών κυκλοφορίας των τουριστών με αποτέλεσμα την υψηλή ανάλυση. Πριν θα αποφέρει χρήσιμες πληροφορίες σχετικά με τις σημαντικές πρότυπα τουριστική κίνηση, τα δεδομένα τουριστική διαδρομή πρέπει να είναι η πρώτη απλοποιημένο και αναλύθηκαν. Μεθόδων εξόρυξης δεδομένων, όπως προσδοκία μεγιστοποίηση (ΕΜ) ομαδοποίηση, χρησιμοποιούνται για τον προσδιορισμό των προτύπων κίνησης χωροχρονικά των τουριστών για διαφορετικές τουριστικές τοπολογίες [19], [28] και [30]. Οι στατιστικές μέθοδοι, όπως log-γραμμικά μοντέλα, logistic-παλινδρόμησης και αλυσίδες Markov εφαρμόζεται επίσης για την ανάλυση των δεδομένων κίνησης. Για παράδειγμα, τα κρυμμένα μοτίβα κυκλοφορίας των τουριστών θα μπορούσε να προσδιοριστεί από το ημερολόγιο-γραμμική μέθοδο [2]. Οι αλυσίδες Markov τεχνικές έχουν χρησιμοποιηθεί για να εξηγήσει τα ανθρώπινα πρότυπα της μετανάστευσης [5] και [25], για την μοντελοποίηση της ανθρώπινης τυχαίους περιπάτους [22] και μέσω της πρόβλεψη για την κατανομή του πληθυσμού σε μια δεδομένη περιοχή για ένα ορισμένο χρονικό διάστημα [7].

Αποτελέσματα (Ελληνικά) 3:

διάφορες τεχνικές μπορούν να τηρούν την τουριστική κίνηση.Είναι παραδοσιακή τεχνολογία εντοπισμού με βάση την παρατήρηση και συνεντεύξεις, απαιτεί ερευνητές ακολουθούν μια ξεχωριστή τουρίστες και την καταγραφή του ή της δράσης [8].Επίσης, απαιτεί παρακολούθηση ή αναδρομική χρήση τους ερωτηματολόγιο [9] και [27] χάρτη η διαστημική κίνηση.Πρόσφατα,Νέα τεχνολογία εντοπισμού, όπως το παγκόσμιο σύστημα εντοπισμού θέσης (GPS) [1], [21] συγχρονισμός συστήματος, με βάση την κάμερα σύστημα [12], προσωπικοί ψηφιακοί βοηθοί (PDA) συσκευές εντοπισμού [11] και [20], [26] το κινητό έχει χρησιμοποιηθεί για την καταγραφή πληροφοριών εντοπισμού κίνησης που προκαλούνται από τους τουρίστες υψηλής ευκρίνειας.

θα παράγουν σημαντικά την τουριστική κίνηση μοντέλο χρήσιμες πληροφορίες,τουρισμού πρέπει πρώτα να την απλούστευση και την ανάλυση δεδομένων τροχιάς.μέθοδος εξόρυξης δεδομένων, όπως η μέγιστη αναμενόμενη τιμή (EM) ομαδοποίηση, για τον εντοπισμό των διαφόρων τουριστικών δομών [19] τουρίστες χρονική μοτίβο κίνησης, [28] και [30].στατιστική μέθοδο, όπως ημερολόγιο γραμμικό μοντέλο παλινδρόμησης, λογική και την αλυσίδα του μάρκοφ ισχύουν επίσης για την ανάλυση των δεδομένων κίνησης.Για παράδειγμα, οι επισκέπτες το μοτίβο κίνησης μπορεί να κρύβεται το ημερολόγιο γραμμική μέθοδο αναγνώρισης [2].την αλυσίδα του μάρκοφ τεχνολογία έχει χρησιμοποιηθεί για την ερμηνεία της ανθρώπινης προτύπων μετανάστευσης [5] και [25], [22] προσομοίωση της ανθρώπινης τυχαία... και με την πρόβλεψη, την κατανομή του πληθυσμού σε μια δεδομένη περιοχή για ένα χρονικό διάστημα [7].