Search results

The purpose of this study is to compare the spatial distribution of Airbnb and hotels in London and examine the relationship between demographic, socioeconomic and environmental factors and the supply of these two types of lodging supply.

Local information of Airbnb listings in London was collected through Insideairbnb.com. Gathered data were examined using geo-spatial auto-correlation analysis and spatial econometric models.

The results indicate that Airbnb predominates in the areas around popular tourist attractions and the peripheral areas of the city, while in the downtown area Airbnb and hotels are in the state of coexistence. The mono-centric model and the agglomeration model could be extended to the context of peer-to-peer accommodation. The location of Airbnb and traditional hotels capitalizes on different factors.

The study is based on secondary data due to data availability. And, it is based on the case of London, so the findings may not reflect the situation of small cities and rural destinations.

This study not only gives suggestions for local councils to regulate the location of hotels and Airbnb but also provides professional landlords with reference to choosing Airbnb location.

This study extends the hotel location theoretical models into the context of Airbnb and sheds lights on the distinction between these two business models in terms of location factors.

爱彼迎和酒店的位置：空间分布和关系

本研究旨在比较伦敦Airbnb和酒店的空间分布, 并探讨人口、社会经济和环境因素与这两类住宿供给的关系。

伦敦Airbnb房源信息通过Insideairbnb.com网站收集, 采用地理空间自相关分析和空间经济计量模型进行分析。

结果表明Airbnb主要集中在旅游景点周边和城市周边地区, 在市中心地区, Airbnb与酒店处于共存状态。单中心模型和聚集模型适用于共享住宿情境。Airbnb和传统酒店的空间分布影响因素的重要性存在差异。

本研究将酒店区位理论模型扩展到Airbnb情境下, 并揭示了这两种商业模式在区位因素方面的区别。

本研究采用二手数据。案例地为伦敦, 因此研究结果可能无法反映小城市和乡村旅游目的地的情况。

地方政府应更加重视专业公司的劳动力保障并限制旅游景点周边的短期租赁。

Ubicación de los hoteles y preferencias: distribución espacial y relaciones

El propósito de este estudio es comparar la distribución espacial de Airbnb y los hoteles en Londres y examinar la relación entre los factores demográficos, socioeconómicos y ambientales y la oferta de estos dos tipos de oferta de alojamiento.

La información local de los anuncios de Airbnb en Londres se recopiló a través de Insideairbnb.com. Los datos recopilados se examinaron mediante análisis de autocorrelación geoespacial y modelos econométricos espaciales.

Los resultados indican que Airbnb predomina en las zonas aledañas a los atractivos turísticos populares y las zonas periféricas de la ciudad, mientras que en la zona centro Airbnb y los hoteles se encuentran en estado de convivencia. El modelo monocéntrico y el modelo de aglomeración podrían extenderse al contexto de la acomodación entre pares. La ubicación de Airbnb y los hoteles tradicionales se basa en diferentes factores.

Este estudio amplía los modelos teóricos de ubicación de hoteles en el contexto de Airbnb y arroja luz sobre la distinción entre estos dos modelos comerciales en términos de factores de ubicación.

El estudio se basa en datos secundarios debido a la disponibilidad de datos. Y se basa en el caso de Londres, por lo que los hallazgos pueden no reflejar la situación de las ciudades pequeñas y los destinos rurales.

Los hallazgos sugieren que las autoridades locales deberían prestar más atención a la seguridad laboral de las empresas profesionales y restringir los alquileres a corto plazo alrededor de las atracciones turísticas.

This paper aims to answer the following four research questions: Where do tourists gaze at the destination? What do tourists gaze at the destination? How do tourists gaze differently? Why do tourists gaze differently referring to relevant theory?

With a computer vision approach, this study illustrated a series of maps that reflect where and what do tourists gaze at and compared the differences in the visual perceptions among Asian, European and North American tourists in Hong Kong.

The findings confirm that the “tourist gaze” is influenced by geographical and cultural conditions. The conclusions provided three types of implementations for destination management strategies and advocated a high engagement with computer vision technology.

In theory, this study proves that the “tourist gaze” is influenced by geographical and cultural conditions. The study’s methodological contribution lies in applying advanced technology of visual content analysis for big data relevant to the issue of the tourist gaze. Practically, the finding that has not been achieved via previous questionnaire surveys will serve as a reference for tourism recommendations and precision marketing. In addition, its practical contribution is that it offers a means by which to explore tourists’ perceptions of destinations and understand the attractiveness of destinations to tourists.

研究一方面使用计算机视觉深入学习模型对游客照片内容进行识别, 比较了亚洲、欧洲和北美游客在香港不同空间场景的视觉感知差异。另一方面, 研究借助ArcGIS软件对游客凝视地点和内容差异进行了具体可视化分析。

这项研究有四个研究子问题：

• （1） 游客在哪里凝视？

• （2） 游客凝视了什么？

• （3） 游客凝视内容有什么不同？

  （4） 为什么游客凝视不同？

（1） 游客在哪里凝视？

（2） 游客凝视了什么？

（3） 游客凝视内容有什么不同？

（4） 为什么游客凝视不同？

不同游客在旅游目的地的“凝视”存在差异, 差异表征具体体现在地点选择和内容偏好等维度。同时, 研究结果显示计算机视觉技术在旅游研究领域呈现较好的应用潜力。

理论上, 本研究佐证了”游客凝视”受地理和文化条件影响的理论。技术上, 本研究探索了视觉分析技术在游客凝视议题上应用, 为旅游目的地感知评估提供了新的视角。应用层面, 研究结论为旅游目的地精准营销提供了参考。

Resumen

Con un enfoque de visión artificial, este estudio ilustra una serie de mapas que reflejan dónde y qué miran los turistas, y compara las diferencias en las percepciones visuales entre los turistas asiáticos, europeos y norteamericanos en Hong Kong.

El estudio tiene cuatro preguntas de investigación:

• (1) ¿Dónde miran los turistas en el destino?

• (2) ¿Qué miran los turistas en el destino?

• (3) ¿Cómo miran los turistas de forma diferente?

• (4) ¿Por qué los turistas miran de forma diferente en referencia a la teoría pertinente?

(1) ¿Dónde miran los turistas en el destino?

(2) ¿Qué miran los turistas en el destino?

(3) ¿Cómo miran los turistas de forma diferente?

(4) ¿Por qué los turistas miran de forma diferente en referencia a la teoría pertinente?

Las conclusiones confirman que la “mirada del turista” está influida por las condiciones geográficas y culturales. Las conclusiones aportan tres tipos de aplicaciones para las estrategias de gestión de destinos y abogan por un alto compromiso con la tecnología de visión artificial.

En teoría, este estudio demuestra que la “mirada del turista” está influenciada por las condiciones geográficas y culturales. La contribución metodológica del estudio radica en la aplicación de tecnología avanzada de análisis de contenido visual para big data relevante para el tema de la mirada del turista. En la práctica, los hallazgos que no se han logrado a través de encuestas anteriores servirán de referencia para las recomendaciones turísticas y el marketing de precisión. Además, su contribución práctica es que ofrece un medio para explorar las percepciones de los turistas sobre los destinos, y comprender el atractivo de los mismos para los turistas.

Most poverty research has explored monetary poverty. This chapter presents and analyzes the global multidimensional poverty index (MPI) estimations for China. Using China Family Panel Studies (CFPS), we find China’s global MPI was 0.035 in 2010 and decreased significantly to 0.017 in 2014. The dimensional composition of MPI suggests that nutrition, education, safe drinking water, and cooking fuel contribute most to overall non-monetary poverty in China. Such analysis is also applied to subgroups, including geographic areas (rural/urban, east/central/west, provinces), as well as social characteristics such as gender of the household heads, age, education level, marital status, household size, migration status, ethnicity, and religion. We find the level and composition of poverty differs significantly across certain subgroups. We also find high levels of mismatch between monetary and multidimensional poverty at the household level, which highlights the importance of using both complementary measures to track progress in eradicating poverty.