geomarketingové analýzy a jejich aplikace v olomouci

UNIVERZITA PALACKÉHO V OLOMOUCI
PŘÍRODOVĚDECKÁ FAKULTA
KATEDRA GEOINFORMATIKY
Petra SÁDOVSKÁ
GEOMARKETINGOVÉ ANALÝZY A JEJICH
APLIKACE V OLOMOUCI
Bakalářská práce
Vedoucí práce: Mgr. Jaroslav BURIAN
Olomouc 2009
1
Prohlašuji, že jsem zadanou bakalářskou práci řešila sama a že jsem uvedla
veškerou použitou literaturu. Všechna poskytnutá vstupní i výsledná digitální data
nebudu bez souhlasu školy poskytovat.
Hradec Králové, 18. 5. 2009
………………………
2
Ráda bych chtěla poděkovat všem, kteří mi pomohli s řešením této práce,
a za poskytnutí studijních matriálů. Především bych chtěla poděkovat vedoucímu
bakalářské práce Mgr. Jaroslavu Burianovi za cenné rady, konzultaci a připomínky.
3
OBSAH
ÚVOD ..................................................................................................................... 5
1.
CÍL PRÁCE .................................................................................................. 6
2.
SOUČASNÝ STAV ŘEŠENÉ PROBLEMATIKY ................................... 7
2.1 Geomarketing.............................................................................................. 7
2.2 Data pro geomarketing................................................................................ 8
2.3 Geomarketingové analýzy ........................................................................ 11
2.4 Softwary pro geomarketing ...................................................................... 12
3.
METODY A POSTUP ZPRACOVÁNÍ ................................................... 15
3.1 Podkladová data ........................................................................................ 15
3.2 Použitý software ....................................................................................... 17
3.3 Použité nástroje ......................................................................................... 17
3.4 Metody zpracování ................................................................................... 18
3.5 Postup zpracování ..................................................................................... 21
4.
VYMEZENÍ ÚZEMÍ.................................................................................. 22
4.1 Dětská hřiště ............................................................................................. 22
4.2 Sportovní centra ........................................................................................ 22
5.
GEOMARKETING NA PŘÍKLADU DĚTSKÝCH HŘIŠŤ .................. 24
5.1 Analýza rozmístění dětských hřišť ........................................................... 24
6.
GEOMARKETING NA PŘÍKLADU SPORTOVNÍCH CENTER ...... 29
6.1 Dotazníkové šetření .................................................................................. 29
6.2 Analýza rozmístění sportovních center..................................................... 39
7.
DISKUSE..................................................................................................... 42
8.
ZÁVĚR ........................................................................................................ 45
9.
POUŽITÁ LITERATURA ........................................................................ 47
SUMMARY .......................................................................................................... 50
SEZNAM PŘÍLOH ............................................................................................. 51
4
ÚVOD
Průkopníkem aerobních cvičení byl armádní lékař Kenneth Cooper, který
v 60. letech minulého století u svých vojáků upřednostňoval kardiovaskulární cvičení
před klasickým posilováním. Jeho metody se postupně vylepšovaly a koncem 80. let
20. století se aerobik stal mezinárodní soutěžní disciplínou pro muže i ženy. U nás
se aerobní cvičení proslavilo v 80. letech 20. století díky Heleně Jarkovské a Zlatě
Wálové. Po roce 1989 nastal velký rozvoj v oblasti fitness, který se k nám dostal
ze západu a s ním i nové směry, kterými se aerobik ubíral. [28]
O něco mladší spinning program vytvořil v 80. letech minulého století dálkový
cyklista Johnatan Goldberg, který hledal možnost, jak částečně přesunout svůj
tréninkový program do místnosti při své přípravě na závod „Race Across America“.
Tím odstartoval vznik prvního indoorcyclingového programu SPINNING®. [29]
Dnes jsou sportovní centra jako fitness a spinning v každém větším i menším
městě samozřejmostí. Lidé se zde chodí „protáhnout“ po celodenním sezení
v kancelářích, kvůli udržení své fyzičky nebo někteří zde trénují na závody.
Rozmístění center je celkem strategické. Většinou se nacházejí v centrech měst,
kam mají snadný přístup jejich klienti, či jsou součástí velkých nákupních středisek.
Avšak je zde spousta obyvatel z okrajových částí větších měst, kteří musí za fitness
a spinningem dojíždět. Proto je pro zakládající majitele nového sportovního centra
velmi vhodné si nejprve provézt pomocí geografických informačních systémů
prostorové analýzy na optimální umístění. Může se pak stát, že pro něj bude výhodnější
provozovat fitness nebo spinning na okraji města, než v samotném centru. Na českém
trhu se však už objevují firmy, které pomáhají navrhnout a vybudovat fitness centrum
pomocí know - how.
Podobné analýzy by se měly provádět i při budování nových dětských hřišť, kde
nejdůležitějšími faktory je počet dětí a jejich hustota. Někdy dochází i k tomu, že oblast
s větším počtem rodin s dětmi je o hřiště ochuzené nebo je umístěno ve vhodné lokalitě,
ale určeno spíše pro děti vyšší věkové kategorie či naopak nižší. U dětských hřišť se
však nejedná o konkurenci jako u sportovních center. Výstavba každého hřiště má jistě
smysl ať je to hřiště pro 5 či 30 dětí.
5
1. CÍL PRÁCE
Hlavním cílem bakalářské práce bylo zpracovat geomarketingové analýzy
v prostředí GIS aplikovaných na problematiku dětských hřišť a sportovních center
v Olomouci.
V první části bylo potřeba získat potřebná data pro jednotlivé analýzy. Pro zjištění
aktuálního stavu návštěvnosti byl proveden terénní sběr dat pomocí dotazníkového
šetření. Ostatní prostorová a atributová data byla k dispozici v digitální podobě.
Dalším krokem bylo analytické zpracování získaných dat. Šlo o provedení analýz
dostupnosti a spádových oblastí. Pro najití nejvhodnějších lokalit pro umístění dětských
hřišť a sportovních center bylo třeba vybrat analýzy a k nim koeficient vah, které
společně vstupovaly do Map Algebry. V této fázi byly brány i v úvahy výsledky
z dotazníkového šetření, jako je zjištění návštěvníků podle věku a podle vzdělání.
V teoretické části je věnována kapitola používanému software, firmám
a organizacím, které se zabývají geomarketingem. Část rešeršní práce se týkala přehledu
vhodných a dostupných dat pro geomarketing v České republice.
Závěrečným cílem práce bylo vytvořit mapy se současným rozmístěním dětských
hřišť a sportovních center, s jejich optimálním umístěním a s výslednými analýzami.
Na závěr práce bylo připojeno jednostránkové resumé v anglickém jazyce.
Všechna použitá digitální data, výstupy a textová část jsou přiloženy k práci
na DVD - ROM a tištěné mapy formou příloh. O bakalářské práci byla vytvořena
webová stránka, která je umístěna na serveru UP.
6
2. SOUČASNÝ STAV ŘEŠENÉ PROBLEMATIKY
2.1 Geomarketing
Geomarketing zpracovává adresná data, k nim jejich hodnoty a atributy jako
celkové počty prodaných výrobků, počty podle druhů výrobků, počty návštěv
obchodních zástupců apod. v závislosti na geografické poloze umístění jednotlivých
odběratelů na sledovaném teritoriu. Geomarketing dokáže velmi přesně, až na úroveň
adresných bodů jednotlivých odběratelů, efektivně vyhodnocovat prodeje produktů
na daném teritoriu, plánovat direct marketingové akce, které přímo oslovují jen cílovou
skupinu zákazníků, ať už stávající, potenciální nebo nové zákazníky, a marketingové
akce, analyzovat jejich výsledky, efektivně řídit obchodní zástupce, vyhodnocovat
spádovost zákazníků, plánovat a vyhodnocovat plošnou distribuci letáků apod. Nutnými
zdroji pro geomarketingové analýzy jsou především know - how, základní statistická,
demografická, lifestylová, prodejní a klientská data i přístup k topografickým
podkladovým mapám včetně vhodného softwaru. [8, 20, 26]
„Geomarketing označuje plánování koordinaci a kontrolu na zákazníkovy
orientované marketingové aktivity pomocí geografických informačních systémů
s použitím metod, které pracují s prostorovými souvislostmi zkoumaných údajů a které
je analyzují a znázorňují.“ (Schüssler, 2000 in [16])
Do cílů geomarketingu můžeme zahrnout inovaci a zjednodušení marketingových
přístupů, zpřehlednění informací, zvýšení efektivnosti práce, zrychlení i zkvalitnění
rozhodování a plánování a zlepšení směřování marketingových aktivit.
Podle Grimshawa (1994) je možné rozdělit využití geomarketingu do tří úrovní:
•
operativní využití - každodenní uplatnění ve firmě
•
taktické využití - podpora managamentu při rozhodovaní se, vyhodnocovaní
a plánovaní střednědobých projektů
•
strategické využití - situační analýzy, sledování trhu, kontrola strategických
oblastí, kontrola a poradenství franchisengových partnerů, kde poskytovatel
7
franchisy poskytuje příjemci franchisy právo provozovat pod jeho jménem
vlastní podnik a nabízet jeho produkty či služby [13, 16]
2.2 Data pro geomarketing
Abychom mohli vytvářet kvalitní geomarketingové analýzy, jsou za potřebí
co nejpřesnější a nejpodrobnější data. Základními zdrojem dat jsou klientská data jako
např. databáze klientů, spotřebitelské soutěže, věrnostní kluby. Dále pak data
z výzkumů a sběru - lifestylová data, data z ad - hoc výzkumů, data z terénu
a know - how. Jedny z nejpoužívanějších dat jsou však databáze Českého statistického
úřadu (ČSÚ). [11]
Pro většinu geomarketingových analýz je třeba pracovat s přesnějšími
a podrobnějšími daty než je úroveň kraje, okresu nebo orp. Proto jako podkladová data
jsou významné základní sídelní jednotky (ZSJ). Podle zákona č. 230/2006 Sb.
se základní sídelní jednotkou rozumí jednotka představující části území obce
s jednoznačnými územně technickými a urbanistickými podmínkami nebo spádová
území seskupení objektů obytného nebo rekreačního charakteru. Dále jsou určeny
pro prostorovou
identifikaci
a
sledování
sociálně -
ekonomických
a územně -
technických jevů přímo vázaných na osídlení.
Dalšími využívanými daty jsou údaje ze Sčítání lidu, domů a bytů (SLDB)
prováděn Českým statistickým úřadem. SLDB získává informace podle stanovených
kriterií o obyvatelstvu, domovním a bytovém fondu k jednomu datu. Základní jsou
informace o pobytu, tedy místo přítomnosti v rozhodný okamžik, místo trvalého pobytu,
místo narození, místo předchozího pobytu apod. Základními informacemi jsou i osobní
údaje, jako pohlaví, věk a rodinný stav. Další skupinu údajů tvoří údaje o domácnosti
a o rodině. Zjišťuje se vztah hlavě k domácnosti a vztah k hlavě rodiny, pořadí
manželství a počet dětí. Dále se zjišťuje občanství, národnost, jazyk, vzdělání
a náboženství. Poslední skupinu tvoří údaje ekonomického charakteru jako ekonomická
aktivita, místo práce, druh vykonávané práce, postavení v zaměstnání a odvětví. [4]
Návštěvníci stránek ČSÚ mají možnost si vybrat údaje z nabídky věcného členění
(obyvatelstvo, domy, byty, domácnosti, plodnost žen, dojížďka, mezinárodní, lexikon)
i podle územního členění (republika, regiony, kraje, okresy, vybraná města, obce,
městské části, části obce, ZSJ).
8
Obr. 1: Okruhy publikací na ČSÚ [14]
Obr. 2: Ukázka dat z ČSÚ [14]
9
Podle ČSÚ jsou nejžádanější data z vybraných statistických údajů za obec, počet
obyvatel v obcích, hrubý domácí produkt na obyvatele krajích ČR, obecná míra
nezaměstnanosti podle krajů a míra zaměstnanosti podle krajů. [14]
Další vhodnou databází pro geomarketing je územně identifikační registr
adresných bodů (UIR - ADR), který díky ministerstvu práce a sociálních věcí
ve spolupráci s obecními úřady udržují registr adres všech stavebních objektů, které
mají číslo domovní. Používání registru zajišťuje jednotné a správné psaní názvů
a umožňuje kontrolu existence adresy, podle které je možné přesně lokalizovat
zákazníka. Současná struktura 4.2 obsahuje číselníky oblastí, krajů, okresů, obvodů
ORP, obvodů POÚ, obcí, pražských obvodů, NUTS4 - obvodů a městských
částí/městských obvodů, které jsou do UIR - ADR přebírány z ČSÚ. Dále číselník
správních obvodů z Magistrátu hl. m. Prahy, číselník částí obce z Ministerstva
pro místní rozvoj, číselník adresných pošt z České pošty s. p. a číselníky ulic
a veřejných prostranství, stavebních objektů a adresných míst jsou udržovány
Ministerstvem práce a sociálních věcí na základě hlášení z obecních úřadů. Souřadnice
adresných míst jsou do UIR - ADR poskytovány společností CEDA. [21]
Obr. 3: Struktura dat UIR - ADR [21]
10
Obr. 4: Ukázka z UIR - ADR [21]
2.3 Geomarketingové analýzy
Nejčastějším výstupem z geomarketingových analýz jsou tzv. "tematické mapy".
Tematické mapování umožňuje přenést hodnoty databázových položek i k více
databázím najednou a jejich součty nebo SQL dotazy zobrazit do srozumitelných
barevných tematických škál. Vzhled zobrazených objektů může být definovaný jako
bod různého tvaru, polygon či grid různé barevnosti (může vyjádřit v dané oblasti
několik analyzovaných výsledků navzájem).
Tématická mapa může být ve formě:
•
gridu - rastrový obraz vytvořený spojitým stínováním umožňuje odvodit
hodnoty
•
polygou - analýza údajů barevnými plochami přiřazenými k mapovému
podkladu z polygonových ploch
•
sloupců - analýza údajů sloupcovými grafy přiřazená k polygonové ploše
•
stupňovaných bodů - analýza údajů bodovými grafy přiřazené k polygonové
ploše
11
•
bodů - analýza údajů počtu zobrazených bodů přiřazených k polygonové
ploše
Síť silnic a ulic je mapová vrstva umožňující vykonávat důležité analýzy
dostupnosti zákazníků dopravou vzhledem k umístěnému provozu, konkurence
a umístění zákazníků.
Vzdálenostní zóny (buffer) rozlišujeme podle:
vzdálenosti a času po silniční síti:
•
dostupnost vzdáleností
•
dostupnost časová
vzdálenosti vzdušnou čarou:
•
k mapovanému bodu (provoz)
•
k linii (cesta, řeka)
•
k oblasti (region)
výpočet cestovních tras, od počátečního bodu přes body zastávek do cílového
bodu:
•
optimalizace tras z hlediska vzdálenosti
•
optimalizace tras z hlediska času
•
optimalizace tras z hlediska nákladů [16]
2.4 Softwary pro geomarketing
Tvorbou softwarů nebo jejich nadstaveb pro realizaci geomarketingových analýz
se zabývá několik společností.
Dva z nejvýznamnějších geomarketingových softwarových aplikací pro analýzu
dat
prostřednictvím
využívání
digitálních
map
jsou
RegioGraph
10
a DISTRICT od společnosti GfK GeoMarketingRegioGraph. Tyto programy využívají
společnosti po celém světě a ve všech odvětvích průmyslu s cílem optimalizovat rozvoj
trhu. Se svou rozmanitou škálou analytických nástrojů lze RegioGraph 10 využít
v oblasti marketingu a kontroly činností. DISTRICT poskytuje podobný rozsah funkcí,
zejména s důrazem na prodejní územní plánování. [22]
MartViewer, rovněž od společnosti GfK GeoMarketingRegioGraph, je software,
který umožňuje velmi podrobné geografické analýzy až na úroveň jednotlivých částí
12
ulic, ale jen pro Německo. Velká výhoda, kterou nabízí, je schopnost důkladně hodnotit
socio - demografické charakteristiky regionů. [17]
Obr. 5 a 6: Ukázka vizualizace dat v RegioGraph 10 a MartViewer [9, 15]
MapPoint Software 1.0 od společnosti GeOptim Marketing lze aplikovat jen
s kartografickým softwarem Microsoft MapPoint, který má přístup k mapám Evropy
a Severní Ameriky. Tento software dokáže analyzovat stávající obchody a vytvořit
optimální obchodní rozhodnutí. Umožňuje snadné vkládání obchodních informací
do mapy, seřadit data dle potřeby (geografické či tabulkové), zobrazit je do tematických
map nebo je exportovat do externích dokumentů. Zoptimalizuje budoucí obchodní
rozhodnutí, reklamní kampaně, nové lokalizace obchodů, rozdělení zákazníků.
K vizualizaci dat v MapPoint Software 1.0 mapě je potřeba jen adresa, nebo zeměpisné
souřadnice. Zdrojová data mohou mít různé formáty jako např. Excel, textový soubor,
Oracle nebo SQL server database. Lze také importovat a analyzovat data z demografie
nebo sociologie. Je možné i definovat vlastní oblasti podle vzdálenosti, dobu cesty,
nebo jednoduše kreslit přímo do mapy. Lze editovat jakoukoliv geografickou oblast
pomocí nástrojů pro kreslení. Součástí je seznam dat, která zahrnují oblasti, které se dají
dále analyzovat nebo znovu použít v jiném softwaru. Další funkcemi jsou například
výpočet a export zeměpisných souřadnic našich dat, spojení dat z jedné vrstvy k jiné
a další. [7]
ArcGIS Business Analyst je sada geografických informačních systémů, které
poskytuje kompletní řešení obchodních problémů. Základem ArcGIS Business Analyst
je hlavní GIS technologie od ESRI s daty obchodními, demografickými i od zákazníků.
Spojením údaji o prodeji, demografii a lokalitách se součtem hranic, teritorií a lokalit,
13
lze vytvořit analýzy trhu a konkurence nebo najít ideální místo pro nové obchodní sítě.
Tento software má k dispozici data z USA nebo z Kanady. V září ESRI představila
novou verzi 9.3. [10, 12]
Obr. 7: Ukázka vizualizace dat v ArcGIS Business Analyst [10]
Není však podmínkou, že pro tvorbu geomarketingových analýz je nutný
specializovaný software. Zákazníkovi stačí každý software, který umí pracovat
s atributovými daty, provádět síťové analýzy a mapovou algebru.
14
3. METODY A POSTUP ZPRACOVÁNÍ
3.1 Podkladová data
Jako podkladová data byla v této práci použita prostorová a atributová data.
3.1.1
Prostorová data
Do nejdůležitějších prostorových údajů se řadí vrstva základních sídelních
jednotek v Olomouci, která byla získána od ČSÚ. Jejich ohraničení bylo vymezeno
v rámci územní přípravy SLDB 2001 nad digitální mapou pro území České republiky.
Referenčním rozhraním je digitální, rastrová barevná Základní mapa České republiky
1 : 10 000 Českého úřadu zeměměřického a katastrálního. [14] Tato vrstva sloužila
k socioekonomickým analýzám.
Další polygonovou vrstvou bylo záplavové území stoleté vody (Q 100)
od Výzkumného ústavu vodohospodářského T. G. M., která byla použita u finální mapy
vhodné lokality pro umístění hřiště.
Mezi liniová prostorová data patřily vrstvy komunikací, a to silniční, pěší
i komunikace městské hromadné dopravy (MHD). Pro znázornění analýzy dostupnosti
k hřištím byla použita pěší komunikace a pro fitness a spinning centra komunikace
silniční a MHD. Vrstva pěší komunikace byla získána od Centra kinantropologického
výzkumu (CKV) fakulty tělesné kultury Univerzity Palackého a vrstva pro silniční
komunikaci z bakalářské práce Lukáše Krejčího (2005) a z DMU 25. Důvodem použití
obou vrstev bylo jednak přesnost a jednak rozsah. Pro síťovou analýzu sportovních
center byla použita vrstva z práce Lukáše Krejčího, protože je oproti komunikacím
z DMU 25 přesnější a území pro analýzu neobsahovala všechny ZSJ katastrálního
území města Olomouce. Ke zjištění hustoty komunikace byly naopak brány v potaz
všechny ZSJ, proto svým rozsahem byla vybrána vrstva z DMU 25.
Bodová prostorová data zde byla zastoupena vrstvou hřišť, fitness a spinning.
Seznam center fitness a spinning byl vyhledán pomocí internetových stránek,
konzultace instruktora Schwinn cyclingu v Help fitness Club Mgr. Petrem Závodníkem
a podle CKV. Souřadnice jednotlivých center byly zjištěny buď přímo na jejich
webových stránkách nebo vyhledáním adresy na mapovém portálu www.mapy.cz.
15
Poté byly převedeny v ArcGIS 9.3 do bodové vrstvy formátu shp a případně upraveny
podle ortofota Olomouce z Cenia připojených přes službu WMS. [27]
Další prostorová data jako je les, vodní plocha a liniová vrstva vodního toku
z ArcČR 2.0 byla použita jako podklad u znázornění rozmístění dětských hřišť
na katastrálním území města Olomouce.
3.1.2
Atributová data
Základní sídelní jednotky
Mezi nejdůležitější atributová data patřila ZSJ, ke kterým byla připojena tabulka
ve formátu xls s demografickou strukturou obyvatelstva od ČSÚ. Tato vrstva obsahuje
informace např. o počtu obyvatel, věkové struktuře, vzdělání, ekonomické aktivitě,
počtu domácností podle členů a počtu rodin s dětmi. Nejvýznamnější však byla data
o počtu obyvatel od 20 do 40 let, ekonomicky aktivního obyvatelstva, z toho jen
zaměstnaní, a obyvatel podle vzdělání.
Obr. 8: Ukázka použitých atributových dat
Silniční komunikace
Při tvorbě síťové analýzy pro sportovní centra bylo zahrnuto omezení pohybu
v podobě jednosměrných ulic. Informace o jednosměrném provozu byly obsaženy v již
získaných datech.
16
Obydlené objekty
Vrstva obydlených objektů, kterou poskytlo CKV, obsahuje atributová data
o počtu obyvatel podle věku v jednotlivých budovách. Vrstva sloužila k vizualizaci
zastoupení dětí do 6 let, od 6 do 15 let a obyvatel nad 15 let na 9 ha.
Dotazníkové šetření
Výsledky z dotazníkového šetření byly přepsány do tabulky ve formátu xls,
pomocí funkce join připojeny k vrstvě vybraných městských částí a následně
zvizualizovány.
3.2
Použitý software
Práce byla zpracována v prostředí ArcGIS 9.3 pod licencí ArcInfo.
ArcGIS Desktop poskytuje kompletní software pro GIS a je k dispozici ve třech
úrovních - ArcView, ArcEditor a ArcInfo. Tyto licence se liší svou funkcionalitou.
Nejvyšší licenci má ArcInfo, která obsahuje funkce ArcView i ArcEditor, které dále
rozšiřuje. Umí tedy pracovat s nástroji pro tvorbu map, editací a navíc s prostorovými
operacemi.
ArcGIS Desktop produkty jsou tvořeny integrovanými aplikacemi ArcCatalog,
ArcMap, ArcToolbox a ModelBuilder. Všechny tyto aplikace lze rozšířit přidáním
různých nadstaveb, například Spatial Analyst a Netwok Analyst, které byly v této práci
využity.
3.3 Použité nástroje
Pro tvorbu jednotlivých analýz byly použity tyto nástroje:
•
Clip (Analysis Tools/Extract) - Operace Clip ořízne původní vrstvu (bodovou,
liniovou nebo polygonovou) podle tvaru jiné polygonové vrstvy.
•
Split (Analysis Tools/Extract) - Split rozdělí polygonovou vrstvu jinou vrstvou
(bodovou, liniovou nebo plošnou) na více výstupních vrstev.
17
•
Dissolve (Data Management/Generalization) - Operace Dissolve spojí v jedné
vrstvě sousední objekty stejného druhu podle shodných hodnot atributů.
•
Calculate Geometry - Pomocí Calculate Geometry se vypočítá délka, obvod či
rozloha prvku v dané vrstvě.
•
Buffer (Analysis Tools/Proximity) - Buffer vytváří vzdálenostní zóny okolo bodů,
linií a ploch.
•
Create Thiessen Polygons (Analysis Tools/Proximity) - Thiessen polygony
vytvářejí spádovou oblast nejbližšího bodu.
•
Join - Pomocí této funkce lze spojit atributové tabulky dvou vrstev na základě
společného atributu.
•
Service Area (extenze Network Analyst) - Service Area vytváří zónu dostupnosti
pro jednotlivé objekty.
•
Polygon to Raster (Coversion Tools/To Raster) - Tento nástroj zkonvertuje
vektorovou vrstvu do gridu.
•
Reclassify (extenze Spatial Analyst) - Pomocí této funkce se původní hodnoty
gridu překlasifikují na jiné.
•
Raster Calculator (extenze Spatial Analyst) - Nástrojem Raster Calculator lze
vytvářet matematické operace s gridy.
3.4 Metody zpracování
3.4.1
Vzdálenostní zóny - Buffer zóny
Buffering vytváří zóny nebo plochy se specifikovanou, anebo menší než
specifikovanou vzdáleností od objektu nebo objektů. Při vektorové reprezentaci jde
18
o vytvoření polygonů kolem bodů, linií nebo polygonů, jejichž hranice vede
ve stanovené vzdálenosti. [3]
3.4.2
Zóny vyrovnané konkurence - Thiessen polygony
Thiessenovy nebo Voronoi polygony „definují individuální plochy vlivu“ kolem
každého ze vstupních bodů. Předpokládá se rozdělení celého prostoru na dílčí plochy,
na kterých je každá individuální poloha blíže k bodu se známou hodnotou (vstupnímu
bodu) než ke kterémukoliv jinému vstupnímu bodu. Hranice mezi polygony jsou přitom
vedeny ve stejných vzdálenostech od vstupních bodů. [3]
Obr. 9: Ukázka nástroje Service Area v ArcGIS 9.3
3.4.3
Service Area
Ke zjištění alokace dětských hřišť i sportovních center byla použita jedna
z možností síťové analýzy Service Area neboli zóny obslužnosti. Tento problém se
zabývá navržením a optimalizací různých sítí (železničních, silničních…) a modelování
proudu, které představují osoby, nebo financí. Vyžaduje definování center v síti, které
mají kapacity pro získávání lidí či věcí. Např. školy s určitou kapacitou dětí,
zdravotnická střediska a nemocnice atd. Alokační algoritmus používá tyto centra jako
cíle a modeluje, jak lidé nebo věci procházejí přes síť, aby se k nim dostali. Výsledkem
je mapa, která znázorňuje plochy obsloužené každým zařízením, v tomto případě
dětským hřištěm, sportovním centrem. Algoritmus spojuje uzly v síti s nejbližším
centrem, přičemž zohledňuje atributy propojení, výskyt bariér atd. [1, 3]
19
3.4.4 Repeating Shapes
Tato extenze od Jenness Enterprises založeným Jeffem Jenness a Loisem
Engelmanem, kteří se mimo jiné zabývají tvorbou nástrojů pro ArcGIS, byla použita
u analýz vstupujících do Map Algebry [23]. Díky této extenze je možné území rozdělit
na body, kruhy, čtverce, trojúhelníky a hexagony.
Obr. 10: Ukázka extenze Repeating Shapes
Obr. 11: Ukázka extenze Repeating Shapes
20
3.4.5
Map Algebra
Map Algebra je nástroj umožňující kombinovat mapové vrstvy matematicky.
Takto lze vytvářet mapy podle různých matematických vztahů. Operace však lze
vykonat jen v rastrové nebo buňkové reprezentaci údajů. [3]
3.4.6 Dotazníkové šetření
Součástí praktické části práce bylo dotazníkové šetření pro zjištění aktuálního
stavu návštěvnosti center pro fitness a spinning. Některé z výsledků vstupovaly do Map
Algebry.
3.5 Postup zpracování
Obsah práce byl rozdělen do dvou částí, zvlášť pro dětská hřiště a zvlášť
pro sportovní centra.
První provedenou analýzou vznikly vzdálenostní zóny, které byly zpracovány
pouze u dětských hřišť. Dále byly vytvořeny zóny vyrovnané konkurence a síťové
analýzy. U hřišť byla provedena síťová analýza na pěší komunikace a u sportovních
center na silniční komunikace s i bez omezení a na MHD.
Hlavním cílem bylo nalézt lokality pro optimální umístění dětského hřiště
a sportovního centra. V obou případech se použila Map Algebra. Vybrané vrstvy
vstupující do analýzy se nejdříve převedly na grid a vynásobily optimálními váhovými
koeficienty. Poté se všechny výsledné vrstvy sečetly.
Pro vizualizaci optimálního umístění dětských hřišť byla použita extenze
Repeating Shapes, která rozdělila území na čtverce o rozloze 9 hektarů. Tím byla
docílena přesnější lokace pro umístění. Důležitou součástí analýz sportovních center
bylo dotazníkové šetření, jehož výsledky z části ovlivnilo výběr vrstev vstupujících
do Map Algebry a tím i konečný výsledek.
Podrobný postup je v práci dále zpracovaný v kapitolách 6.1 Analýza rozmístění
dětských hřišť a 7.2 Analýza rozmístění sportovních center.
21
4. VYMEZENÍ ÚZEMÍ
Obr. 12: Katastrální území města Olomouce rozdělené na městské části
4.1
Dětská hřiště
Řešená oblast byla vymezena katastrálním územím města Olomouce, která
pro lepší orientaci byla rozdělena na městské části.
4.2 Sportovní centra
4.2.1
Dotazníkové šetření
Pro práci se sportovními centry nebylo použito celé katastrální území města
Olomouce. Hlavním důvodem bylo rozmístění sportovišť, která se soustřeďují spíše
do středu katastrálního území. Návštěvníci, kteří bydlí v okrajových částech města
a musejí tak dojíždět, nejsou příliš ovlivněny možností výběru nejbližšího sportovního
centra, protože je pro ně většina center stejně vzdálená.
22
Dalším důvodem bylo to, že kdyby byly zahrnuty do provedených analýz
i okrajové části Olomouce, muselo by se pracovat i se ZSJ, které se už nenacházejí
na katastrálním území města Olomouce. K těmto částem mi nebyla poskytnuta potřebná
data a zároveň to není v náplni mé bakalářské práce.
Proto byly některé okrajové ZSJ vynechány - Droždín, Holice - Na Dílech,
Chomoutov, Lošov, Nedvězí, Nemilany, Radíkov, Svatý Kopeček a Topolany.
Ostatní ZSJ byly sloučeny do městských částí podle katastrálního území
z důvodu, že dotazovaní spíše vědí, ve které městské části bydlí, než v jaké základní
sídelní jednotce.
4.2.2
Map Algebra
Pro zobrazení optimálního umístění sportovního centra bylo pracováno s celým
katastrálním územím města Olomouc, které bylo dále rozčleněno na nejmenší územní
jednotky, tedy na ZSJ. Lokace umístění je přesnější než městské části.
23
5. GEOMARKETING NA PŘÍKLADU DĚTSKÝCH HŘIŠŤ
5.1 Analýza rozmístění dětských hřišť
Pro vytvoření analýzy rozmístění dětských hřišť bylo potřeba postupně vytvořit
vzdálenostní zóny, zóny vyrovnané konkurence a síťovou analýzu pro pěší komunikaci.
Pomocí Map Algebry byly navrženy nejvhodnějších lokality v Olomouci pro umístění
nového hřiště.
5.1.1
Vzdálenostní zóny (Buffer)
Vzdálenostní zóny na pěší komunikaci byly zvoleny z důvodu, že lidé si
v některých situacích vybírají co nejkratší vzdálenost k určitému cíli, tedy nerespektují
vyznačené cesty. Tato metoda ale nezohledňuje zástavbu nebo další bariéry jako např.
vodní tok, oplocený pozemek, atd.
Jako vstupní vrstva pro vymezení zón byla použita vrstva se 79 dětskými hřišti,
pro podklad sloužila vrstva katastrálního území města Olomouce rozdělená na městské
části.
Pomocí nástroje Buffer ze sady Analysis Tools byly kolem dětských hřišť
vytvořeny buffer zóny ve tvaru soustředných kružnic ve vzdálenosti 100, 200, 300, 400
a 500 m od jednotlivých hřišť. Tyto intervaly byly zvoleny v závislosti na umístění hřišť
a vzdáleností, kterou je dítě schopno zdolat.
Díky tomu, že většina hřišť se nachází do vzdálenosti 500 m od ostatních, buffer
zóny se překrývají. Bylo tedy zjištěno, že do vzdálenosti 100 m se nachází 33 hřišť
(42%), do 200 m 63 (80%), do 300 a 400 m 69 (87%) a do 500 m 74 (94%) dětských
hřišť. Výsledek je zvizualizován v příloze č. 7 Vzdálenostní zóny, dětská hřiště.
5.1.2
Zóny vyrovnané konkurence (Thiessen polygony)
Nástrojem Create Thiessen Polygons z Analysis Tools použitým na vrstvu hřišť
vznikly zóny vyrovnané konkurence, kde pro každé hřiště byl vytvořen jeden polygon.
To znamená, že každý bod, který se nachází ve vytvořeném Thiessen polygonu
jednotlivého hřiště, má nejblíže právě k tomu hřišti.
24
Vstupní vrstvou byla opět bodová vrstva hřišť, která byla doplněna v předešlém
kroku o vzdálenostní zóny.
V příloze č. 8 Vzdálenostní zóny a zóny vyrovnané konkurence, dětská hřiště je
zřejmé, že nejmenší plochy vlivu mají hřiště, která se nacházejí v centru daného území.
Naopak na okrajích území se vliv zvětšuje.
5.1.3
Síťové analýzy
Další analýzou byly provedeny vzdálenostní zóny pomocí nástroje Service Area
z extenze Network Analyst (viz příloha č. 9 a 10 Vzdálenostní zóny dětských hřišť,
dostupnost na pěší komunikaci).
Zde bylo předpokládáno, že pro návštěvu dětských hřišť budou děti s rodiči
používat chodníky. Buffer zóny tedy byly omezeny vrstvou pěší komunikace. Díky
tomuto omezení se zmenšily i plochy vyrovnané konkurence. Byly použity stejné
intervaly jako při tvorbě vzdálenostních zón bez omezení tedy po 100, 200, 300, 400
a 500 m.
5.1.4
Map Algebra
Pro zjištění nejvhodnějších lokalit k umístění nového dětského hřiště bylo třeba si
promyslet, jaké faktory budou vstupovat do finální analýzy. K těmto faktorům
představující jednotlivé analýzy byla přiřazena určitá váha, která z velké části
ovlivňovala výsledek.
Po dohodě s Mgr. Monikou Vaculíkovou z Magistrátu města Olomouce, oddělení
koncepce zeleně a rekreace, a s Mgr. Janem Dygrýnem, členem CKV, byly vybrány
jako vstupní faktory absolutní počet dětí do 6 let, od 6 do 15 let, obyvatel nad 15 let
a index stáří.
Jednotlivá hřiště jsou dále rozdělena do kategorií herního, dopravního, smíšeného
a sportovního hřiště. Podle těchto tříd byly také rozděleny děti do věkových skupin.
Herní hřiště obsahují pískoviště doplněná houpadly a jsou vhodné obzvláště
pro děti do 6 let, od 6 do 12 a od 12 do 15 let.
Sportoviště jsou komplexy sportovních hřišť i jednotlivá sportoviště různých
povrchů, které jsou ve většině případů využitelná pro více druhů sportů. Sportoviště
jsou doporučená pro věkové kategorie od 12 do 15 let a výše.
25
Smíšená hřiště jsou na sebe navazující sportovní i herní prvky, které se vzájemně
doplňují a nabízí příležitost trávení volného času více generacím současně. [25]
Vzhledem k získaným datům nedodržovaly analýzy vymezené věkové kategorie
podle Magistrátu města Olomouce. Zároveň po dohodě s Mgr. Monikou Vaculíkovou
byly věkové hranice pro jednotlivá hřiště upraveny. Analýza umístění herního hřiště
byla prováděna na dětech do 6 let, sportovního a dopravního na dětech od 6 do 15 let
a smíšeného hřiště na obyvatelích od 15 do 60 let.
Pro tvorbu jednotlivých analýz vstupujících do Map Algebry byla použita extenze
Repeating Shapes. Podle zvolených parametrů bylo území rozděleno na čtverce
o rozloze 9 ha. Velikost čtverců byla zvolena z důvodu přesnější lokace pro umístění
nového hřiště. Vzdálenost 300 m mezi jednotlivými hřišti je přijatelná. Po skončení
průběhu extenze se vytvořil polygon, který byl rozdělen do čtverců o 9 ha. Výslednou
vrstvu bylo potřeba oříznout vrstvou katastrálního území města Olomouce.
Pro vytvoření finální mapy bylo nutné propojit tabulky bodové vrstvy obydlených
objektů s údaji o počtu dětí do 6 let, od 6 do 15 let a obyvatel nad 15 let v jednotlivých
městských částech zpřesněné na ulice a oříznuté vrstvy se čtverci. Každému čtverci
o 9 ha připadl součet hodnot atributů připojované vrstvy. Tedy v tomto případě bylo
v každém čtverci součet dětí podle věku, který mu polohově náleží.
Obr. 13: Ukázka postupu vytvoření mapy absolutního počtu dětí do 6 let
26
Prvními
vstupujícími
demografickými
analýzami
byly
počty
dětí
podle věkových skupin. Absolutní počet dětí je jeden z nejdůležitějších faktorů, protože
ukazuje rozložení dětí na území města Olomouce.
Z výsledků v přílohách č. 16 Počet dětí do 6 let, č. 17 Počet dětí od 6 do 15 let
a č. 18 Počet obyvatel nad 15 let je patrné, že větší koncentrace dětí do 15 let a obyvatel
nad 15 let je v centrální části katastrálního území než v okrajové. Všechny tři kategorie
jsou
nejvíce
zastoupené
v městské
části
Nové
Sady,
Nová
Ulice,
Povel,
Olomouc - město a Klášterní Hradisko.
Jako další demografickou analýzou byl index stáří, který vyjadřuje, kolik obyvatel
ze starších věkových skupin připadá na sto dětí. V tomto případě kolik obyvatel ve věku
60 a více let připadá na 100 dětí do 15 let věku. [14] Znamená to tedy, že čím vyšší
index stáří, tím více dětí do 15 let žije v daném území než obyvatelé starší 60 let. Index
byl spočítán pomocí Map Calculator z vrstvy obydlených objektů, která obsahuje údaje
o věkové struktuře obyvatel. Dále stejným způsobem jako absolutní počet dětí byla
vrstva připojena k vrstvě se čtverci o 9 ha.
Podle přílohy č. 19 Index stáří je vysoký index pozorovatelný v Neředíně,
Radíkově, Slavoníně i v Holicích. Naopak nízký se vyskytuje v Povlu a z části
i v Hodolanech, Nové Ulici, Holicích a v Olomouci - město.
Map Algebra byla provedena v prostředí ArcGIS 9.3 pomocí extenze Spatial
Analyst. Dříve, než jednotlivé vrstvy vstoupily do analýzy, bylo nutné nástrojem
Polygon to Raster (Coversion Tools/To Raster) zkonvertovat vektorová data do gridu.
Pro délku strany jednoho pixelu byla zvolena hodnota 10 m.
Hodnoty výsledných gridů pak byly reklasifikovány do 5 intervalů v rozmezí
od 2 do 10. Nově vzniklé hodnoty představovaly míru vhodnosti umístění hřiště, kde
hodnota 2 znamenala nízkou a 10 vysokou míru. Dále bylo nutné reklasifikovaným
gridům přiřadit koeficient váhy, protože jednotlivé vrstvy mají různý vliv na vhodnost.
Jak už bylo zmíněno výše, že absolutní počet dětí je jeden z nejdůležitějších
faktorů, protože nám ukazuje rozložení dětí na území města Olomouce, byla mu
přidělena váha 80 %. Zbývajících 20 % zbývalo na míru stáří.
Po rozdělení vah se jednotlivé vrstvy sečetly a následně bylo možné vymezit míru
vhodnosti pro umístění dětského hřiště.
Výsledky optimálního umístění byly porovnány se skutečným
stavem
rozmístěných dětských hřišť a sportovních center. Bylo tedy zjištěno, že 19 % hřišť
27
se nachází na území s vysokou mírou vhodnosti, 15 % s nadprůměrnou, 34 %
průměrnou, 21 % podprůměrnou a 11 % s nízkou mírou vhodnosti.
Ze všech kategorií hřišť je nejvíce herních umístěno v lokalitách vyhodnocených
s vysokou mírou vhodnosti. Z přílohy č. 2 Vhodnost lokalit pro umístění herního hřiště
pro děti do 6 let je zřejmé, že vhodná oblast pro výstavbu nového herního hřiště by byla
městská část Nová Ulice a Slavonín, kde hřiště scházejí.
Smíšených hřišť je již menší množství, ale přesto většina se podle zpracované
analýzy v příloze č. 3 Vhodnost lokalit pro umístění smíšeného a dopravního hřiště
pro děti od 6 do 15 let nenachází na lokalitě s vysokou mírou vhodnosti. V Nové Ulici
je největší koncentrace smíšených hřišť, ale tato oblast je průměrně vhodná. Naopak
v Nových Sadech, Povlu a v Klášterním Hradisku není žádné. Nutno ještě dodat,
že v celém katastrálním území města Olomouce se nachází jen jedno dopravní hřiště.
Podle přílohy č. 4 Vhodnost lokalit pro umístění sportovního hřiště pro obyvatele
nad 15 let je zřejmé, že v Olomouci je nedostatek sportovních hřišť. Nadprůměrně
vhodnou lokalitou jsou např. Holice, Lazce a Klášterní Hradisko. V okrajových
městských částech není žádné sportovní hřiště, výjimkou jsou Topolany.
U všech zpracovaných analýz vyšlo, že oblast nacházející se mezi Horním
a Dolním náměstím v městské části Olomouc - město má vysokou míru vhodnosti. Je to
dáno vysokou koncentrací obyvatel a indexem stáří, ale na tomto území je nevhodná
výstavba nového hřiště.
28
6. GEOMARKETING NA PŘÍKLADU SPORTOVNÍCH CENTER
6.1 Dotazníkové šetření
Součástí praktické části práce bylo dotazníkové šetření pro zjištění aktuálního
stavu návštěvnosti center pro fitness a spinning. Do fitness byla zahrnuta posilovna,
aerobik i cvičení na speciálním běžícím mechanickém pásu MaxerRunner.
Obr. 14 a 15: Spinning [19] a HELP Programm - cvičení na běžeckých mechanických
pásech [18]
Terénní sběr byl prováděn 14 dní, tedy od 23.2. do 8.3 2009.
Jak už jsem se zmínila výše v kapitole 3.1 Prostorová data, seznam center fitness
a spinning byl vyhledán pomocí internetových stránek, konzultace instruktora Schwinn
cyclingu v Help fitness Club Mgr. Petrem Závodníkem a podle CKV.
Bylo dotazováno 14 sportovních center na území města Olomouce, zda by byla
ochotna spolupracovat a umožnila by získat potřebné informace od zákazníků. Dvě
centra neměly zájem se zapojit a jedno fitness i zároveň spinning centrum
nespolupracovalo natolik, abych od nich získala údaje pro vyhodnocení šetření.
29
Tab. 1: Dotazovaná sportovní centra v Olomouci
Název
Adresa
Sportovní centrum
Fitcentrum Gambare
Hermannova 1
fitness
FITNESS GYM Neředín
Tř. Svornosti 57
fitness
Fitness Gym Vrábel
Stupkova 10
fitness
Fun Fit
Hodolanská 32
fitness
HEAT Trade
Hynaisova 9a
fitness
JUROP Wellness Centrum U Sportovní haly 2
fitness
Relax Sports
Janského 8
fitness
Fitness TRIBUNA
Na Střelnici 39
fitness + spinning
Help fitness club
Jeremenkova 40/b
fitness + spinning
Help fitness club
Dolní Hejčínská 36
fitness + spinning
Orange Club
Schweitzerova 64a
spinning
6.1.1
Vyhodnocení šetření
Délka vyplnění dotazníku se pohybovala do 1 minuty. Návštěvníci sportovních
center byli zcela anonymně dotazováni na 6 otázek týkajících se návštěvnosti centra,
zvolené dopravy, pohlaví, věku, dosaženého vzdělání a bydliště.
Z počtu 389 respondentů odpovědělo 300 z fitness a 89 ze spinningu. Menší
množství dotazovaných ze spinningu je z důvodu menšího počtu center v porovnání
s fitness v Olomouci.
30
Obr. 16:: Ukázka používaného dotazníku
Respondenti podle sportovního centra
fitness: 300 (77,1 %)
22,9%
fitness
spinning
spinning: 89 (22,9 %)
77,1%
Obr. 17:: Respondenti podle sportovního centra
31
Počet návštěvníků
vníků v jednotlivých centrech je velmi ovlivněn
ovlivn
množstvím
sportovních center. Na území města Olomouce ze sledovaných sportovišť
sportoviš připadají
4 spinning centra na 11 fitness
fitne center. Výsledky šetření tomu přibližně
ižně odpovídají.
Respondenti podle pohlaví
a) Fitness
muž: 178 (56,6 %)
42,4%
56,6%
muž
žena
žena: 131 (42,4 %)
Obr.18: Respondenti podle pohlaví ve fitness
b) Spinning
30,0%
muž: 24 (30,0 %)
muž
žena
70,0%
žena: 56 (70,0 %)
Obr. 19: Respondenti podle pohlaví na spinningu
32
c) Celkem
muž: 202 (51,9 %)
muž
48,1%
51,9%
žena
žena: 187 (48,1 %)
Obr. 20:: Respondenti podle pohlaví ve sportovních centrech
Celkový počet
et mužů
muž a žen navštěvujících
vujících sportovní centra je téměř
tém srovnatelný.
Výsledek mohl být ovlivněn
ovlivn
návštěvností
vností spinningu, který více navštěvují
navšt
ženy.
Ale díky již dříve
íve zmiňovanému
zmiň
počtu spinning center
enter na fitness se výsledek
na celkovém počtu návště
těvníků výrazně nezměnil.
Respondenti podle zvolené dopravy
4,6%
autem: 160 (15,4 %)
15,4%
pěšky: 151 (38,8 %)
autem
41,1%
pěšky
MHD
MHD: 60 (15,4 %)
38,8%
na kole
na kole: 18 (4,6 %)
Obr. 21:: Respondenti podle zvolené dopravy
Výsledky ze zvolené dopravy byly ovlivněny
ovlivn
ročním
ním obdobím. Jelikož
dotazníkové šetření
ení bylo prováděno
provád
v termínu od 23.2.. do 8.3. 2009, nebyly příliš
p
dobré
podmínky pro jízdu na kole. Proto odpověď
odpov
na kole se vyskytovala jen zřídka.
z
33
Překvapujícím zjištěním
ěním bylo, že velmi málo návštěvníků se dopravuje do center MHD
a spíše k tomu využívají automobily. Jedním z možných důvodů
d vodů je právě zvolené
období, ve kterém probíhalo šetření.
šet
Někteří dojíždějící
jící návštěvníci nemusejí mít
vhodné spojení MHD do center, proto je
j pro ně vhodnější
jší a rychlejší způsob
zp
dopravit se
automobilem.
Respondenti podle dosaženého vzdělání
vzd
základní: 12 (3,1 %)
středoškolské
edoškolské bez maturity:
maturity 47 (12,1 %)
středoškolské s maturitou: 225 (57,8 %)
odborné, vyšší, vysokoškolské: 105 (27,0 %)
3,1%
středoškolské s
maturitou
12,1%
27,0%
odborné, vyšší,
vysokoškolské
57,8%
středoškolské bez
maturity
základní
Obr. 22:: Respondenti podle vzdělání
vzd
34
60,0%
50,0%
40,0%
30,0%
ČSÚ
20,0%
dotazníky
10,0%
0,0%
základní
středoškolské středoškolské
bez maturity s maturitou
odborné,
vyšší,
vysokoškolské
Obr. 23: Srovnání dat z ČSÚ a z dotazníkového šetření
Oproti prvnímu grafu týkajícího se rovněž
rovn procentuálního zastoupení obyvatel
podle vzdělání,
lání, který představuje
př
výsledky z celkového šetření,
ení, tedy i obyvatel mimo
Olomouc, tento graf je pro srovnání s daty z ČSÚ omezen jen na obyvatele Olomouce.
Pro srovnání výsledkůů modrý
m
sloupec představuje údaje obyvatel z ČSÚ,
Č
u kterých bylo
zjištěno vzdělání, a červený data z dotazníkového šetření.
Je zřejmé,
ejmé, že centra navštěvují
navšt
nejvíce lidé se středoškolským
edoškolským vzděláním
vzd
s maturitou a čtvrtina
tvrtina dotazovaných s odborným, vyšším nebo vysokoškolským
vzděláním. Zároveň z toho lze vyvodit, že sportovní centra navštěvuje
navštěvuje plno studentů.
student
Z toho
vyplývá,
se středoškolským
edoškolským
že fitness
vzdě
vzděláním
i
spinning
s maturitou
a
navštěvuje
213.
každý
aždý
184. obyvatel
s odborným, vyšším
nebo
vysokoškolským vzděláním.
ěláním.
35
Respondenti podle věku
v
do 20 let: 26 (6,7 %)
20 - 29 let: 222 (57,1 %)
3,1%
1,3%
6,7%
30 - 39 let: 91 (23,4 %)
20 - 29 let
8,5%
30 - 39 let
40 - 49 let
40 - 49 let: 33 (8,5 %)
23,4%
do 20 let
57,1%
50 - 59 let
50 - 59 let: 12 (3,1 %)
60 let a více
60 let a více: 5 (1,3 %)
Obr. 24: Respondenti podle věku
60,0%
50,0%
40,0%
ČSÚ
30,0%
dotazníky
20,0%
10,0%
0,0%
do 20 let
20 - 29 let 30 - 39 let 40 - 49 let 50 - 59 let
60 a více
Obr. 25: Srovnání dat z ČSU a z dotazníkového šetření
Stejně jako v předešlém
ředešlém grafu obyvatel podle vzdělání, první graf týkající se věku
v
představuje
edstavuje výsledky z celkového šetření, zatímco sloupcový graf je omezen jen
36
na obyvatele Olomouce. I zde modrý sloupec představuje
edstavuje údaje obyvatel z ČSÚ
a červený data z dotazníkového šetření.
šet
Nejvíce návštěvníkůů sportovních center
c
podle předpokladů patří do věkové
v
skupiny od 20 do 40 let,, což je každý 150.
1
obyvatel
Olomouce.
Respondenti
espondenti podle návštěvnosti
návšt
každý den: 8 (2,1 %)
4 x týdně: 60 (15,4 %)
2 x za měsíc:
m
3 (0,8 %)
1 x týdně: 42 (10,8 %)
5 x týdně: 33 (8,5 %)
3 x za měsíc:
m
4 (1,0 %)
2 x týdně: 98 (25,2 %)
6 x týdně: 11 (2,8 %)
méně často:
č
19 (4,9 %)
3 x týdně: 108 (27,8 %)
1 x za měsíc: 3 (0,8 %)
2,1% 1,0% 0,8%
0,8%
2,8%
4,9%
27,8%
8,5%
10,8%
3 x týdně
2 x týdně
4 x týdně
1 x týdně
5 x týdně
méně často
6 x týdně
každý den
3 x za měsíc
1 x za měsíc
2 x za měsíc
15,4%
25,2%
Obr. 26:: Respondenti podle návštěvnosti
Jedním z faktorůů ovlivňující
ovliv
návštěvnost jednotlivých sportovišť
portovišť je otevírací doba.
V některých
kterých
centrech
mají
zákazníci
možnost
je
n
navštěvovat
ěvovat
každý
den
(pondělí - neděle)
le) po celý den (7:00 - 21:00). Naopak v některých
ěkterých centrech mají
pro každý den zvlášťť vypsaný rozvrh.
Podle výsledků z šetření
šet
si nejvíce návštěvníků chodí zacvičit 2 x až 3x týdně.
týdn
37
Respondenti podle bydliště
vymezené území: 262 (67,4 %)
mimo vymezené území:: 127 (32,6 %)
32,6%
vymezené území
67,4%
mimo vymezené
území
Obr. 27:: Respondenti podle bydliště
To, že téměř 1/3 návštěvníků
návšt
center bydlí mimo vymezené území,
území je dáno tím,
že spousta z nich jsou studenti, kteří
kte dojíždějí ze vzdálenějších měst
ěst kvůli
kv studiu. Menší
část
ást jsou pak obyvatelé, kteří
kte sice bydlí v katastrálním území Olomouce,
Olomouce ale už
nespadají svým bydlištěm do vymezeného území.
Dalo by se předpokládat,
edpokládat, že nejvíce návštěvníkú
návšt
sportovních center budou právě
práv
ti, kteříí bydlí ve stejné městské
m
části, jako se nachází dané fitness či spinning, nebo
alespoň v nejbližší části.
části Podle výsledků však toto nebylo pravidlem. Důkazem může
být např. Help Fitness Club
C
v Hodolanech (viz příloha č. 32 Help Fitness club), které
nejvíce navštěvují
vují obyvatelé z vedlejší části Olomouc - město. Důvodem
ůvodem může
m
být i to,
že v této části
ásti se nacházejí vysokoškolské koleje a Help Fitness Club je k nim nebližším
sportovním centrem.
Jiným příkladem
íkladem je Orange Club v Povlu (viz příloha č. 34 Orange Club),
Club jejichž
návštěvníci
vníci neváhají dojíždět
dojížd až z Lazce. I když se totoo centrum specializuje pouze
na spinning, v blízké Nové Ulici se nacházejí hned dvě
dv centra, ve kterých je také
možnost spinningu.
38
Z celkového výsledku v příloze č. 35 Sportovní centra lze říci, že nejvíce
obyvatel, kteří navštěvují sportovní centra, pochází z městských částí Neředín, Nová
Ulice, Olomouc město, Lazce, Hodolany a Nové Sady.
6.2
Analýza rozmístění sportovních center
Do analýzy rozmístění sportovních center byly zahrnuty zóny vyrovnané
konkurence a síťová analýza pro silniční komunikaci a MHD. K vytvoření optimálního
umístění byla opět použita Map Algebra.
6.2.1
Zóny vyrovnané konkurence (Thiessen polygony)
Zóny vyrovnané konkurence vznikly pomocí nástroje Create Thiessen Polygons
použitým na vrstvu sportovních center.
Z přílohy č. 12 Zóny vyrovnané konkurence, sportovní centra je zřejmé, že i když
je území rozděleno podle center na spádové oblasti, vždy tyto oblasti neodpovídají
každému
prvku.
Např.
část
komunikací
v Holicích
a
v Hodolanech
spadá
podle vymezení pod centrum Help fitness club, ale jejich spádová oblast patří k centru
Fun Fit.
Nejmenší plochy vlivu mají sportovní centra, která se nachází spíše v centru
vymezeného území, přesněji ve východní části Nové Ulice a v západní části Lazců.
Je to dáno tím, že je zde na malém území největší koncentrace sportovních center.
6.2.2
Síťové analýzy
Z dotazníkového šetření bylo zjištěno, že největší část návštěvníků se do fitness
a spinning center dopravuje autem a z 15 % MHD. Proto byla provedena síťová analýza
pomocí nástroje Service Area na silniční komunikaci a MHD. Zóny byly zvoleny
v intervalech po 1 000, 2 000 a 3 000 m.
Jelikož pro řidiče a cyklisty platí pravidla silničního provozu, byla vytvořena
analýza na silniční komunikaci s omezením (viz příloha č. 14 Vzdálenostní zóny
sportovních center v Olomouci, dostupnost na silniční komunikaci s omezením.), kde
byly brány v potaz i jednosměrné ulice. Při porovnání s analýzou bez omezení (viz
příloha č. 13 Vzdálenostní zóny sportovních center v Olomouci, dostupnost na silniční
komunikaci), jednosměrné ulice tolik neovlivňují dostupnost k sportovním centrům.
39
Výjimka je pouze v centru města, která se dá zanedbat, protože tyto omezené
komunikace nejsou jediné, které by vedly ke Clubu Koruna a Ficlubu Hanka.
Pro síťovou analýzu na MHD byly zvoleny vzdálenosti po 250, 500, 750
a 1 000 m. Z přílohy č. 15 Vzdálenostní zóny sportovních center v Olomouci, dostupnost
na MHD je patrné, že většina center se nachází do 250 m od komunikace MHD.
Výjimku tvoří Fitcentrum Gambare a Relax Sports, kde je vzdálenost větší.
6.2.3
Map Algebra
I zde jako u dětských hřišť bylo třeba uvážit, jaké faktory budou vstupovat
do finální analýzy a jaké koeficienty váhy jim budou přiřazeny.
Výběr byl ovlivněn dotazníkovým šetřením. Podle průzkumu bylo zjištěno,
že sportovní centra nejvíce navštěvují lidé od 20 do 40 let se vzděláním středoškolským
ukončené maturitou, odborným, vyšším i vysokoškolským. K těmto prvním vstupním
vrstvám byla spočítána hustota, aby byla zohledněna i velikost ZSJ.
Lidé navštěvují centra nejčastěji 2x až 3x týdně a utratí za měsíc přibližně 500 až
700 Kč. Proto další vrstvou, která byla brána v úvahu, je hustota ekonomicky aktivního
obyvatelstva, z toho jen zaměstnaní obyvatelé. Do této skupiny nelze zařadit studující,
proto byla do Map Algebry zahrnuta již zmíněná vrstva s hustotou obyvatel podle
vzdělání.
Téměř 45 % návštěvníků jezdí do fitness a spinningu autem nebo na kole, z tohoto
důvodu je posledním faktorem vstupující do analýzy hustota silniční sítě. Zde byla
pomocí nástroje Split rozdělena síť komunikací podle jednotlivých ZSJ a následně
v každé vzniklé vrstvě spočítána délka komunikace použitím funkce Calculate
Geometry.
Všechny zvolené vrstvy byly zkonvertovány do gridu o straně pixelu 10 m
a následně reklasifikovány do pěti intervalů, kde nejnižší hodnoty získaly novou
hodnotu 2 a nejvyšší 10. Dále byly jednotlivým vrstvám přiřazeny koeficienty vah
(viz tab. 2).
40
Tab. 2: Přiřazené koeficienty vah jednotlivých vrstev
Název vrstvy
Koeficient váhy
Hustota obyvatel od 20 do 40 let
40 %
Hustota zaměstnaných obyvatel
30 %
Hustota obyvatel se středoškolským vzděláním s maturitou,
vyšším odborným, nástavbovým a vysokoškolským
Hustota silniční sítě
20 %
10 %
Největší koeficient váhy 40 % byl přidělen hustotě obyvatel od 20 do 40 let.
Předpokládá se, že při výstavbě nového sportovního centra je brán ohled na umístění,
kde je vysoká hustota potenciálních klientů.
Stejným principem byla přidělena váha 30 % hustotě zaměstnaných obyvatel.
Výše již bylo zmíněno, že se do této vrstvy nedají započítat studující. Z toho vyplývá,
že by hustota obyvatel podle vzdělání měla mít stejnou váhu. Avšak pro majitele center
jsou více „atraktivnější“ zaměstnaní, protože mají více finančních prostředků
na návštěvu. Proto hustotě obyvatelům podle vzdělání byla přiřazena váha 20 %.
Váha 10 % pro hustotu silniční sítě už není tak vysoká jako předešlé vrstvy, ale i
tak má velký význam, např. kde se nachází jednosměrné ulice nebo pěší zóny.
Po vynásobení váhami byly jednotlivé gridy sečteny. Podle výsledného gridu
s 5 intervaly šlo stanovit míru vhodnosti umístění sportovního centra.
Jak je zřejmé z přílohy č. 6 Vhodnost lokalit pro umístění sportovního centra,
pouze 3 centra ze 14 se nacházejí v oblastech s vysokou mírou vhodnosti,
5 s nadprůměrnou mírou, 5 s podprůměrnou mírou a 1 hřiště s nízkou mírou vhodnosti.
Největší koncentrace fitness a spinningu je v ZSJ Stadiony, kde je podprůměrná
vhodnost. Jako vhodné oblasti pro umístění nového sportovního centra byly navrženy
ZSJ Stiborova na Neředíně, Tererovo náměstí v Nové Ulici, Heyrovského v Povlu,
Nové Sady - sever a Družební v Nových Sadech a Kpt. Nálepky v Olomouci - město.
41
7. DISKUSE
I když se dnešní doba vyznačuje velkým rozvojem informačních technologii,
zejména GIS, stále chybí spousty publikací zabývající se geomarketingem. Právě to byl
jeden z hlavních problémů. Jedinými pracemi, které se blížily k mému tématu, bylo
Použití nástrojů GIS v obchodně - služební aplikaci - provoz bankomatů v centru
Bratislavy od Doc. RNDr. Dagmar Kusendové, CSc. a bakalářská práce Mgr. Lukáše
Krejčího Analýza obslužnosti sítě bankomatů v Olomouci pomocí GIS, která částečně
čerpala z tématiky docentky Kusendové.
Pro zpracování dané problematiky bylo potřeba získat přesná a aktuální data.
Většina z nich byla v digitální podobě se stejnými formáty shp. Pouze data
o obyvatelích Olomouce od ČSÚ musela být z tabulky ve formátu xls převedena
do požadovaného formátu. Bohužel tato data nebyla aktuální k roku 2009, protože šlo
o informace ze Sčítání lidů, domů a bytů z roku 2001. Ale byly to nejaktuálnější údaje
o demografii, které jsem mohla získat pro svou práci. S tím souvisí i to, že některá data
vstupující do analýz nebyla ze stejného časového období. Data od CSV, která
obsahovala údaje o počtu obyvatel, byla pořízena z roku 2008. Ale vzhledem
k rozdělení věkové struktuře obyvatel na 0 - 5, 6 - 14 a 15 - 59 a nad 60 let nebylo
možné přesně dodržet vymezení dětských hřišť podle věku z Magistrátu města
Olomouc. Například sportoviště jsou doporučeny pro děti od 12 do 15 let, ale
do analýzy vstupovala vrstva s dětmi od 6 do 15 let.
Součástí práce bylo i dotazníkové šetření pro zjištění aktuálního stavu
návštěvnosti center pro fitness a spinning v Olomouci. Ze 14 dotazovaných bylo
ochotno spolupracovat 11 center a umožnily tak získat potřebné informace
od zákazníků. Terénní sběr byl prováděn 14 dní a celkem bylo zpracováno
389 dotazníků. Návštěvníci odpovídali na šest otázek týkajících se návštěvnosti centra,
zvolené dopravy, pohlaví, věku, dosaženého vzdělání a bydliště. Dotazování se však
mohlo rozšířit na otázky týkajících se místa ubytování dojíždějících studentů
v Olomouci a zda jsou návštěvníci studenti či pracující. U dotazníků mohla být zvolena
delší doba šetření např. i na jeden měsíc. Ale při jednotlivém vybírání dotazníků
z center bylo zjištěno, že nejvíce návštěvníků odpovídalo první čtyři dny. V dalších
dnech se dotazovaných snížilo v některých centrech až o 70 %. Předpokládalo se i to,
že pravidelní návštěvníci už v sledovaném období fitness navštívili a dotazník vyplnili.
42
Při kontrolování dotazníků se téměř ve většině sledovaných fitness a spinning klubech
stávalo, že dotazníky byly položeny jen na pult a návštěvníci na ně ani nebyli
upozorňováni. Díky tomu byl výsledek velmi ovlivněn. Nejlepším řešení by tak bylo
chodit do každého centra a ptát se každého zákazníka zvlášť. Vzhledem k časové
náročnosti na to nebyl dostatek času a zároveň by výsledky byly ovlivněny dobou, kdy
by dopoledne navštěvovala centrum jiná skupina lidí než odpoledne. Výsledkem by pak
mohlo být, že jedno centrum navštěvují více lidí patřící do věkové skupiny
mezi 40 - 59 lety a naopak v jiném sledovaném centru mezi 20 - 39 lety.
Extenze Repeating Shapes je jedna z možností jak získat optimální umístění, které
je na rozdíl od ZSJ přesnější. Díky této extenzi je možné území rozdělit na body, kruhy,
čtverce, trojúhelníky a hexagony v požadované velikosti. Bez tohoto nástroje by vhodná
lokalita bylo jedno celé ZSJ. Takto může být jednotka rozdělena na části, ve kterých se
nachází lokalit více - vhodných i méně vhodných. Vstupujícími vrstvami do této
extenze musí ale být vrstva bodová a polygonová, nikoliv dvě polygonové, liniové nebo
jejich kombinace. Proto tato funkce nebyla použita u sportovních center, jelikož bylo
k dispozici pouze vrstva polygonová. Důležitá je i přesnost bodové vrstvy. Po spuštění
extenze je každý bod přiřazen do daného území např. čtverce, který se nachází ve stejné
poloze jako bod. Tím je ovlivněn i konečný výsledek.
Existuje mnoho faktorů, které mohly vstupovat do analýzy, ale některá zvažovaná
data nebyla vhodná či dostupná. Např. u dětských hřišť byla v počátku brána v úvahu
vrstva pozemků, jejichž vlastníkem je Statutární město Olomouc od Městského úřadu,
ale při podrobném prohlížení byla tato vrstva vynechána z důvodu chybných dat.
Jedním z nejdůležitějších kroků při vymezování optimálního umístění je zvolení
váhového koeficientu k jednotlivým faktorům. Samotné přidělování je obtížné a často
také nejednoznačné. Při drobné změně koeficientu někdy dochází i ke změně celého
výsledku. Každý člověk má jiné subjektivní vnímání, tedy přiřazování vah se
od každého liší. Pokračováním práce by pak mohlo být testování a ověřování
jednotlivých vah.
Ze strany Mgr. Moniky Vaculíkové z Magistrátu města Olomouc, oddělení
koncepce zeleně a rekreace byl vyjádřen zájem o výsledné mapy - Vhodnost lokalit
pro umístění herního hřiště pro děti do 6 let, Vhodnost lokalit pro umístění herního
hřiště pro děti od 6 do 15 let a Vhodnost lokalit pro umístění herního hřiště
43
pro obyvatele nad 15 let. Mapa Vhodnosti lokalit pro umístění sportovního centra byla
dále s poděkováním zaslána do sportovních center, která spolupracovala.
44
8. ZÁVĚR
Cílem bakalářské práce bylo zpracovat geomarketingové analýzy v prostředí GIS
aplikovaných na problematiku dětských hřišť a sportovních center v Olomouci.
Prvním krokem byl sběr digitálních dat potřebné k jednotlivým analýzám.
Ke zjištění aktuálního stavu návštěvnosti byl proveden terénní sběr dat pomocí
dotazníkového šetření. Bylo dotazováno 14 sportovních center na území města
Olomouce, z nichž dvě nebyla ochotna spolupracovat a jedno nespolupracovalo natolik,
aby od něho byly získány potřebné údaje pro vyhodnocení šetření. Z počtu
389 respondentů odpovědělo 300 z fitness a 89 ze spinningu. Tato část by se dala
označit jako za časově nejnáročnější.
Dále bylo potřeba vymezit území pro analýzy. U dětských hřišť bylo použito celé
katastrální území města Olomouce rozdělené na městské části. K vizualizaci
dotazníkového šetření u sportovních center nebylo použito celé katastrální území města
Olomouce. Některé okrajové ZSJ byly vynechány a zbylé byly sloučeny do městských
částí. Naopak k vizualizaci optimálního umístění bylo použito celé katastrální území,
které bylo podrobněji rozděleno na základní sídelní jednotky.
Dalším krokem bylo analytické zpracování získaných dat. Byly provedeny
analýzy spádových oblastí, dostupnosti a optimálního umístění dětských hřišť
a sportovních center. K vytvoření těchto analýz bylo potřeba nástrojů Buffer, Create
Thiessen Polygons, extenze Service Area a Raster Calculator ze Spatial Analyst
pro vytvoření Map Algebry z prostředí ArcGIS 9.3. Pro práci s Map Algebrou byly
nejdříve vybrány vrstvy, které byly převedeny na grid, vynásobeny jednotlivými
koeficienty vah a následně sečteny. U dětských hřišť to byly vrstvy s absolutním počtem
dětí do 6 let, od 6 do 15 let a obyvatel nad 15 let a vrstva s indexem stáří.
Pro vizualizaci optimálního umístění dětských hřišť byla použita extenze Repeating
Shapes, která rozdělila území na čtverce o rozloze 9 ha. Tím byla docílena přesnější
lokace pro umístění. Důležitou součástí analýz sportovních center bylo dotazníkové
šetření, jehož výsledky z části ovlivnilo výběr vrstev vstupujících do Map Algebry a tím
i konečný výsledek. Jako vrstvy vstupující do Map Algebry byly vybrány hustota
obyvatel od 20 do 40 let, se vzděláním středoškolským s maturitou, odborným, vyšším
a vysokoškolským, hustota ekonomicky aktivních obyvatel, z toho jen zaměstnaní,
a hustota silniční komunikace.
45
Výsledky optimálního umístění byly porovnány se skutečným
stavem
rozmístěných dětských hřišť a sportovních center. Bylo zjištěno, že 19 % hřišť
se nachází na území s vysokou mírou vhodnosti, 15 % s nadprůměrnou, 34 %
průměrnou, 21 % podprůměrnou a 11% s nízkou mírou vhodnosti. Pouze 3 centra
ze 14 se nacházejí v oblastech s vysokou mírou vhodnosti, 5 s nadprůměrnou
a podprůměrnou a 1 hřiště s nízkou mírou vhodnosti.
46
9. POUŽITÁ LITERATURA
Knižní zdroje
[1] HLÁSNÝ, T.: Geografické informačné systémy: Priestorové analýzy. Banská
Bystrica, ZEPHYROS & Národné lesnícke centrum, 2007, 160 s.
[2] KREJČÍ, L.: Analýza míry obslužnosti sítě bankomatů v Olomouci pomocí GIS.
Bakalářská práce. Univerzita Palackého v Olomouci, 2005.
[3] TUČEK, J.: Geografické informační systémy: Principy a praxe. Praha, Computer
Press, 1998, 424 s.
[4] VESELÁ, Jana.: Demografie: Stav a struktura obyvatelstva - demografická statika.
Pardubice, Univerzita Pardubice, 2003, 95 s.
[5] VOŽENÍLEK, V.: Aplikovaná kartografie. Olomouc, Univerzita Palackého
v Olomouci, 2001, 188 s.
[6] VOŽENÍLEK, V.: Diplomové práce z geoinformatiky. Olomouc, Univerzita
Palackého v Olomouci, 2002, 61 s.
Internetové zdroje
[7] 3d2f [online]. c 2008, poslední revize 9. 9. 2008 [cit. 2008-10-21]. Dostupné z:
<http://3d2f.com/programs/34-380-geomarketing-geoptim-marketing-mappointsoftware-download.shtml>.
[8] 5P agency [online]. c 2009, poslední revize 7. 3. 2009 [cit. 2009-03-07].
Dostupné z: <http://www.5pagency.cz/cz/produkty/direct-marketing/>.
[9] ABITZ.COM [online]. c 2008, poslední revize 13. 9. 2008 [cit. 2008-10-05].
Dostupné z: <http://www.abitz.com/Geo/regiograph.php3>.
[10] ArcGIS Business Analyst [online]. c 2008, poslední revize 5. 10. 2008
[cit. 2008-10-05]. Dostupné z:
<http://www.esri.com/software/arcgis/extensions/businessanalyst/index.html>.
[11] B2B [online]. c 2009, poslední revize 7. 3. 2009 [cit. 2009-03-07]. Dostupné z:
<www.b2bmedia.cz/dnydm_microsite/download/vyuziti-geomarketingu-vpraxi.ppt>.
47
[12] CMCUS International, Inc. [online]. c 2008, poslední revize 4. 10. 2008
[cit. 2008-10-05]. Dostupné z:
<http://www.cmcus.com/Products/Vendors/ESRI/arcgisba.asp>.
[13] Český franchisingový servis s.r.o. [online]. c 2009, poslední revize 7. 3. 2009
[cit. 2009-03-07].
Dostupné z: <http://www.cfs-franchise.cz/websites/index/franchising>.
[14] Český statistický úřad [online]. c 2009, poslední revize 30. 4. 2009
[cit. 2009-04-30]. Dostupné z: <http://www.czso.cz/>.
[15] DataGis [online]. c 2008, poslední revize 7. 3. 2008 [cit. 2008-10-05].
Dostupné z: <http://www.datagis.com/martviewer.shtml>.
[16] GeoMarketing, s.r.o. [online]. c 2007, poslední revize 26. 3. 2007
[cit. 2008-09-14]. Dostupné z: <http://www.geomarketing.sk>.
[17] GfK GeoMarketing [online]. c 2008, poslední revize 4. 10. 2008 [cit. 2008-10-05].
Dostupné z: <http://www.gfk-geomarketing.com>.
[18] HEAT trade s.r.o. [online]. c 2009, poslední revize 30. 3. 2009 [cit. 2009-03-30].
Dostupné z: <http://www.heatprogram.cz/galerie15.php>.
[19] Help fitness club [online]. c 2008, poslední revize 3. 1. 2008 [cit. 2009-03-30].
Dostupné z: <http://www.helpfitnessbest.cz/foto/V%E1no%E8n%ED%20j%EDzda%20%2007/target24.html>.
[20] I - marketing [online]. c 2008, poslední revize 31. 12. 2008
[cit. 2009-03-07]. Dostupné z:
<http://www.i-marketing.cz/direct-marketing/index.htm>.
[21] Informace o registru UIR - ADR [online]. c 2009, poslední revize 7. 3. 2009
[cit. 2009-03-07]. Dostupné z: <http://forms.mpsv.cz/uir/popis/popis.jsp>.
[22] Internet Business Systém, Inc. [online]. c2008, poslední revize 1. 10. 2008
[cit. 2008-10-05]. Dostupné z:
<http://www10.giscafe.com/nbc/aticles/view_article.php?articleid=443813>.
[23] Jennes Enterprises [online]. c 2009 poslední revize 30. 1. 2009 [cit. 2009-03-08].
Dostupné z: <http://www.jennessent.com/arcgis/arcgis_extensions.htm>.
[24] KUSENDOVÁ, D.; .ŠTĚPITOVÁ, D.: Použitie nástrojov GIS v obchodnoslužobnej aplikácii - bankomatové prevádzky v centre Bratislavy. Sborník referátů
8. ročníku konference GIS Ostrava 2001, 24. 1. 2001 [online]. Ostrava.
Dostupné z: <http://gis.vsb.cz/
Publikace/Sborniky/GIS_Ova/gis_ova_2001/sbornik/Referaty/kusendova.htm>.
48
[25] Magistrát města Olomouce [online]. c 2009, poslední revize 26. 4. 2009
[cit. 2009-04-26]. Dostupné z:
<http://www.olomouc.eu/detska-hriste/aktuality-drobne-rekreacniplochy_(cesky)>.
[26] Pharm Business Magazine [online]. c 2008, poslední revize 1. 7. 2008
[cit. 2008-09-14]. Dostupné z: < http://www.pharmbm.cz/clanek?id=161>.
[27] Portál veřejné zprávy České republiky [online]. c2008, poslední revize 16. 2. 2008
[cit. 2009-02-16]. Dostupné z:
<http://geoportal.cenia.cz/wmsconnector/com.esri.wms.Esrimap/cenia_b_ortorgb1m_sd
e>.
[28] Spinning [online]. c 2009, poslední revize 17. 8. 2008 [cit. 2009-05-01].
Dostupné z: <http://www.spinning.cz/default.aspx?section=22>.
[29] Sportovni.net [online]. c 2004, poslední revize 7. 11. 2004 [cit. 2009-05-01].
Dostupné z: <http://www.sportovni.net/sporaer/historie/>.
49
SUMMARY
This bachelor thesis is focused on processing geomarketing’s analysis in GIS
applied to children’s playgrounds and sports centers in Olomouc.
The main aim was to find their optimal location and make maps. At first it was
necessary to obtain data for creating analysis. Important part of the sports centers
analysis were checklists to finding actual visit rate. The obtained data was used to make
Buffer zones, Thiessen polygons zones, service area and also Map Algebra to make
optimal location. In this analysis, there were chosen layers, multiplied with optimal
scales and then counted. To visualization of optimal location of children’s playgrounds
was used extension Repeating Shapes. Extension divided the territory on squares with
an area of 9 hectares and the location for optimal place was more accurate. The results
from checklist partly influenced the choosing layers, which were entering Map Algebra.
Also the final results were influenced by this checklist.
The results of optimal location were compared with actual location of children’s
playgrounds and sports centers in Olomouc. 19 % of playgrounds are located on place
with high scale, 15% with above standard scale, 34 % standard scale, 21 % substandard
scale and 11% with low scale of optimal location.
The optimal places to location new sports centers were proposed area in Stiborova
(Neředín), Tererovo square (Nová Ulice), Heyrovského (Povel), Nové Sady - north
and Družební (Nové Sady) and Kpt. Nálepky (Olomouc-Town).
It was created the DVD with outputs and used data and with final maps. About
this thesis it was created a website and placed on the server of Department
of Geoinformatics UP.
50
SEZNAM PŘÍLOH
Přílohy volné
1. Dětská hřiště, A3
2. Vhodnost lokalit pro umístění herního hřiště pro děti do 6 let, A3
3. Vhodnost lokalit pro umístění herního hřiště pro děti od 6 do 15 let, A3
4. Vhodnost lokalit pro umístění herního hřiště pro obyvatele nad 15 let, A3
5. Vzdálenostní zóny sportovních center, dostupnost na MHD komunikaci, A3
6. Vhodnost lokalit pro umístění sportovního centra v Olomouci, A3
7. Vzdálenostní zóny, dětská hřiště, A4
8. Vzdálenostní zóny a zóny vyrovnané konkurence, dětská hřiště, A4
9. Vzdálenostní zóny dětských hřišť, dostupnost na pěší komunikaci, A4
10. Vzdálenostní zóny dětských hřišť, dostupnost na pěší komunikaci, A4
11. Sportovní centra, A4
12. Zóny vyrovnané konkurence, sportovní centra, A4
13. Vzdálenostní zóny sportovních center v Olomouci, dostupnost na silniční
komunikaci, A4
14. Vzdálenostní zóny sportovních center v Olomouci, dostupnost na silniční
komunikaci s omezením, A4
15. DVD - ROM
51
Přílohy vázané
16. Počet dětí do 6 let
17. Počet dětí od 6 do 15 let
18. Počet obyvatel nad 15 let
19. Index stáří
20. Hustota obyvatel od 20 do 40 let
21. Hustota zaměstnaných obyvatel
22. Hustota obyvatel se vzděláním středoškolským s maturitou, odborným, vyšším
a vysokoškolským
23. Hustota komunikací
24. Fitcentrum Gambare
25. FITNESS GYM Neředín
26. Fitness Gym Vrábel
27. Fun Fit
28. HEAT Trade
29. JUROP Wellness Centrum
30. Relax Sports
31. Fitness TRIBUNA
32. Help fitness club
33. Help fitness club
34. Orange Club
35. Sportovní centra
52
Příloha 16
Příloha 17
53
Příloha 18
Příloha 19
54
Příloha 20
Příloha 21
55
Příloha 22
Příloha 23
56
Příloha 24
Příloha 25
57
Příloha 26
Příloha 27
58
Příloha 28
Příloha 29
59
Příloha 30
Příloha 31
60
Příloha 32
Příloha 33
61
Příloha 34
Příloha 35
62