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% spinning: 89 (22,9 %) 77,1% fitness spinning Obr. 17: Respondenti podle sportovního centra 31

Počet návštěvníkůvníků v jednotlivých centrech je velmi ovlivněn množstvím sportovních center. Na území města Olomouce ze sledovaných sportovišť připadají 4 spinning centra na 11 fitness center. Výsledky šetření tomu přibližněižně 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 muž: 24 (30,0 %) 30,0% muž žena 70,0% žena: 56 (70,0 %) Obr. 19: Respondenti podle pohlaví na spinningu 32

c) Celkem muž: 202 (51,9 %) 48,1% 51,9% muž žena žena: 187 (48,1 %) Obr. 20: Respondenti podle pohlaví ve sportovních centrech Celkový počet mužů a žen navštěvujících vujících sportovní centra je téměř srovnatelný. Výsledek mohl být ovlivněn návštěvností vností spinningu, který více navštěvují ženy. Ale díky již dříve zmiňovanému počtu spinning center na fitness se výsledek na celkovém počtu návštěvníků výrazně nezměnil. Respondenti podle zvolené dopravy autem: 160 (15,4 %) 4,6% pěšky: 151 (38,8 %) 15,4% 41,1% autem pěšky MHD: 60 (15,4 %) 38,8% MHD na kole na kole: 18 (4,6 %) Obr. 21: Respondenti podle zvolené dopravy Výsledky ze zvolené dopravy byly ovlivněny ročním obdobím. Jelikož dotazníkové šetření ení bylo prováděno v termínu od 23.2.. do 8.3. 2009, nebyly příliš dobré podmínky pro jízdu na kole. Proto odpověď na kole se vyskytovala jen zřídka. 33

Překvapujícím zjištěním bylo, že velmi málo návštěvníků se dopravuje do center MHD a spíše k tomu využívají automobily. Jedním z možných důvodů je právě zvolené období, ve kterém probíhalo šetření. Někteří dojíždějící jící návštěvníci nemusejí mít vhodné spojení MHD do center, proto je pro ně vhodnější a rychlejší způsob dopravit se automobilem. Respondenti podle dosaženého vzdělání základní: 12 (3,1 %) středoškolské bez maturity: 47 (12,1 %) středoškolské s maturitou: 225 (57,8 %) odborné, vyšší, vysokoškolské: 105 (27,0 %) 27,0% 12,1% 3,1% 57,8% středoškolské s maturitou odborné, vyšší, vysokoškolské středoškolské bez maturity základní Obr. 22: Respondenti podle vzdělání 34

60,0% 50,0% 40,0% 30,0% 20,0% 10,0% ČSÚ dotazníky 0,0% základní středoškolské bez maturity středoškolské s maturitou odborné, vyšší, vysokoškolské Obr. 23: Srovnání dat z ČSÚ a z dotazníkového šetření Oproti prvnímu grafu týkajícího se rovněž procentuálního zastoupení obyvatel podle vzdělání, který představuje 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 výsledků ů modrý sloupec představuje údaje obyvatel z ČSÚ, u kterých bylo zjištěno vzdělání, a červený data z dotazníkového šetření. Je zřejmé, že centra navštěvují nejvíce lidé se středoškolským vzděláním s maturitou a čtvrtina dotazovaných s odborným, vyšším nebo vysokoškolským vzděláním. Zároveň z toho lze vyvodit, že sportovní centra navštěvuje plno studentů. Z toho vyplývá, že fitness i spinning navštěvuje každý 184. obyvatel se středoškolským vzděláním s maturitou a 213. s odborným, vyšším nebo vysokoškolským vzděláním. 35

Respondenti podle věku do 20 let: 26 (6,7 %) 20-29 let: 222 (57,1 %) 30-39 let: 91 (23,4 %) 3,1% 1,3% 6,7% 8,5% 20-29 let 30-39 let 40-49 let: 33 (8,5 %) 50-59 let: 12 (3,1 %) 23,4% 57,1% 40-49 let do 20 let 50-59 let 60 let a více 60 let a více: 5 (1,3 %) Obr. 24: Respondenti podle věku 60,0% 50,0% 40,0% 30,0% 20,0% ČSÚ dotazníky 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 grafu obyvatel podle vzdělání, první graf týkající se věku představuje výsledky z celkového šetření, zatímco sloupcový graf je omezen jen 36

na obyvatele Olomouce. I zde modrý sloupec představuje údaje obyvatel z ČSÚ a červený data z dotazníkového šetření. Nejvíce návštěvníků ů sportovních center podle předpokladů patří do věkové skupiny od 20 do 40 let, což je každý 150. obyvatel Olomouce. Respondenti podle návštěvnosti každý den: 8 (2,1 %) 1 x týdně: 42 (10,8 %) 2 x týdně: 98 (25,2 %) 3 x týdně: 108 (27,8 %) 4 x týdně: 60 (15,4 %) 5 x týdně: 33 (8,5 %) 6 x týdně: 11 (2,8 %) 1 x za měsíc: 3 (0,8 %) 2 x za měsíc: 3 (0,8 %) 3 x za měsíc: 4 (1,0 %) méněč často: 19 (4,9 %) 2,1% 1,0% 0,8% 2,8% 0,8% 4,9% 8,5% 27,8% 10,8% 15,4% 25,2% 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 Obr. 26: Respondenti podle návštěvnosti Jedním z faktorů ů ovlivňující návštěvnost jednotlivých sportovišť je otevírací doba. V některých centrech mají zákazníci možnost je navštěvovat každý den (pondělí - neděle) po celý den (7:00-21:00). Naopak v některých centrech mají pro každý den zvlášť ť vypsaný rozvrh. Podle výsledků z šetření si nejvíce návštěvníků chodí zacvičit 2 x až 3x týdně. 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 center bydlí mimo vymezené území, je dáno tím, že spousta z nich jsou studenti, kteří dojíždějí ze vzdálenějších měst kvůli studiu. Menší část jsou pak obyvatelé, kteří sice bydlí v katastrálním území Olomouce, ale už nespadají svým bydlištěm do vymezeného území. Dalo by se předpokládat, že nejvíce návštěvníkú sportovních center budou právě ti, kteří bydlí ve stejné městské části, jako se nachází dané fitness či spinning, nebo alespoň v nejbližší části. Podle výsledků však toto nebylo pravidlem. Důkazem může být např. Help Fitness Club v Hodolanech (viz příloha č. 32 Help Fitness club), které nejvíce navštěvují vují obyvatelé z vedlejší části Olomouc - město. Důvodem může být i to, že v této části se nacházejí vysokoškolské koleje a Help Fitness Club je k nim nebližším sportovním centrem. Jiným příkladem je Orange Club v Povlu (viz příloha č. 34 Orange Club), jejichž návštěvníci vníci neváhají dojíždět až z Lazce. I když se toto o centrum specializuje pouze na spinning, v blízké Nové Ulici se nacházejí hned dvě 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 20 % Hustota silniční sítě 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