GISáček


Analýza rozmístění prodejen a služeb
na vybraném území 

Tomáš Karčmář
Institut ekonomiky a systémů řízení
VŠB – Technická univerzita Ostrava
tř. 17. Listopadu
708 33 Ostrava – Poruba
E – mail: tomas.karcmar@volny.cz

Abstract

Target of the Bachelor project was appreciation of selected services location on part of Ostrava Poruba limited by 17. listopadu street, Nábřežní SPB, Francouzská and Opavská street. It was executed a investigation of field which was located on basic services (service stores, pharmacies) and stores in limited area including registration of basic data (type of sale, type of products, opening time). Data acquisition mapping were localized on digital map. Lastly I am judge their distribution and analyzed service areas premise in relation to demographic situation.

Abstrakt

Cílem bakalářské práce bylo posouzení umístění vybraných služeb v části Ostravy - Poruby vymezené ulicemi 17. listopadu, Nábřeží SPB, Francouzská, Opavská. Probíhalo mapování základních služeb (opravny, lékárny) a obchodů ve vymezeném území včetně registrace základních údajů (typ prodeje, typ sortimentu, otevírací doba). Data pořízené mapováním se lokalizovala na digitální mapě. Na závěr jsem posuzoval jejich rozmístění a analýzy pokrytí území ve vtahu k demografické situaci.

Úvod

Geografický informační systémy (GIS) je funkční celek, vytvořený integrací technický a programových prostředků, digitálních dat, pracovních postupů, personálu, uživatelů a organizačního kontextu. Zaměřuje se na sběr, ukládání, analýzu, syntézu a prezentaci prostorových dat, pro potřeby popisu, analýzy, modelování a simulaci okolního světa. Cílem je získat nové informace potřebné pro racionální řízení a využívání tohoto světa. K nástrojům, které používá GIS, můžou např. patřit pracovní nástroje pro tvorbu a analýzu prostorových modelů, které jsou založené na geografických veličinách, jako je např. hustota, vzdálenost apod. Analýzy geografického prostoru, které dominují všem vědním oborům s přívlastkem geo, se stávají běžnou součástí programů GIS ve formě matematicko-statistických a kartografických procedur a technik.

Geografické informace jsou důležitou součástí procesů výzkumu a řízení prostorové organizace center měst. Průzkum v oblasti trhu s prostorami pro maloobchod sahá od průzkumu trhu v okolí prodejní jednotky až k rozsáhlému strukturálnímu průzkumu celých sídel nebo regionů.

Příklady konkrétních zaměření průzkumů:

  •      průzkum lokality vzhledem k optimálnímu využití pro veřejnost,

  •      průzkum lokality pro umístění atraktivních prodejen,

  •      analýza trhu s prostorami pro obchod na úrovni sídla nebo regionu.

V praxi se používají tyto metody:

  •      spotřebitelský průzkum včetně anket nakupujících,

  •      průzkum u podnikatelů (ankety, rozhovory),

  •      kvantitativně statistický průzkum (výdej, obrat, kupní orientace),

  •      kvalitativní analýzy (inventarizace vybavenosti),

  •      analýzy umístění a konkurence,

  •      analýza dat o nájmech a cenách nemovitostí,

  •      matematický model kupní síly.

Matematický model kupní síly je nástrojem, pomocí něhož je možné jednak indikovat rozložení kupní síly podle hlavních odvětví maloobchodu (např. potravinářské a nepotravinářské zboží) a dále určit velikost příslušné podlahové plochy daného odvětví. Tento model představuje kvantitativní základnu pro analýzu trhu a zaujímá stejně významné místo jako kvalitativní analýza prodejní funkce a prostorová analýza koncentrace prodejen.

Úkoly

  • vterénní průzkum v části Ostravy – Poruby vymezené ulicemi 17. Listopadu, Opavská, Francouzská, Nad Porubkou, Nábřeží SPB
  • vmapování základních služeb a obchodů

Cíl

  • vymezit spádová území jednotlivých typů prodejen, posoudit jejich rozmístění ve vztahu k počtu obyvatel

Použité programové produkty

  • Microsoft Access 2000
  • ArcView GIS 3.2

Použité datové zdroje

  • data z GIS Magistrátu města Ostravy
  • vrstva ulic
  • vrstva budov
  • katastrální mapa
  • letecký snímek zájmové oblasti

Ve vrstvě budovy byly k dispozici atributy o počtu obyvatel v jednotlivých budovách. Údaje o obyvatelích byly rozděleny do třech kategorií. Obyvatelé mladší osmnácti let, obyvatelé starší osmnácti let a mladší šedesáti let a obyvatele starší šedesáti let. Tyto údaje byly aktualizovány k poslednímu kvartálu roku 2001.

Letecké snímkování mé zájmové oblasti proběhlo 1. května 2001. Rozlišení snímku je 20 cm / pixel.

  • analogová mapa Městského obvodu Poruba

  • vytisklo Reklamní a grafické studio LEXEL, měřítko 1: 1000

Návrh metodiky sběru dat

  • název provozovny
  • ulice
  • číslo popisné
  • sortiment
  • druh prodeje
  • zodpovědný pracovník
  • otevírací doba

Sběr dat v terénu

  • zmapováno celkem 322 provozoven 
  • zahájen 28. srpna 2001
  • dokončen 29. listopadu 2001

Potíže při sběru dat

  • „číslo popisné“ nezjištěno u 140 provozoven z 322
  • nedostupnost atributu „otevírací doba“

Příprava dat pro analýzu

Naplnění databáze

tabulky:
  • provozovny1
  • ulice
  • druh prodeje
  • sortiment

Digitalizace umístění provozoven

  • potíže se správným umístěním provozovny do vrstvy

Propojení databáze s vrstvou provozoven

Analýza, vizualizace dat a jejich interpretace

  • vanalýza umístění provozoven
  • vanalýza počtu obyvatel a budov
  • vvymezení spádového území pro sortiment drogérie a lékárna

Analýza umístění provozoven

Obr. č. 1: výskyt prodejen a služeb ve studovaném území

Na tomto obrázku jsou červeně znázorněné prodejny a zeleně jsou znázorněné služby. Z výstupu je patrné, že na vybraném území jsou prodejny zastoupeny v nepatrně větším počtu, než služby. Většina provozoven na území Ostravy – Poruby je umístěna podél hlavních cest jako jsou 17. listopadu, Opavská, Hlavní třída. Na ulici 17. listopadu můžeme pozorovat rovnoměrné rozmístění provozoven. V první polovině Hlavní třídy je četnost provozoven značně velká. Jejich počet slábne směrem k Francouzské ulici. Na ulici Opavská můžeme vidět převážnou většinu provozoven v první půli (roh ulice 17. listopadu a Opavské směrem k vozovně Poruba). 

Analýza počtu obyvatel a budov

K analýze jsem potřeboval vrstvu budovy. Analýza byla vytvořena pro tři základní věkové kategorie. Čtvrtá kategorie obsahovala celkový počet obyvatel v jednotlivých domech. Jedná se o obyvatele mladší osmnácti let, obyvatele starší osmnácti a mladší šedesáti let, obyvatelé starší šedesáti let a celkový počet obyvatel v jednotlivých domech. Počet obyvatel v budovách byl rozdělen do šesti tříd s tím, že poslední třída zahrnuje budovy neobytné (pošty, sportovní haly a zařízení, výměníky tepla …). Rozdělení do tříd je patrné z následující tabulky. Řádky jsou rozděleny do šesti klasifikovaných tříd a ve sloupcích jsou počty obyvatel pro jednotlivé věkové skupiny.

 

Počet obyvatel v domě ve věku Celkem
0 - 17 18 - 59 60 a více
Třídy 1 1 – 3 1 – 9 1 – 5 1 – 13
2 4 – 7 10 – 21 6 – 11 14 – 32
3 8 – 12 22 – 35 12 – 18 33 – 49
4 13 – 22 36 – 71 19 – 39 50 – 102
5 23 – 32 72 – 137 40 – 74 103 – 196
6 0 0 0 0

Tab. č. 1: klasifikace obyvatel jednotlivých věkových skupin

Údaje z této tabulky můžou být užitečné pro marketingové účely, kde je důležité znát počet zákazníků v jednotlivých domech. Budovy páté kategorie budou zajisté budovy výškové. Tyto budovy totiž mají největší počet obyvatel. Naopak v první třídě se bude spíše jednat o rodinné domy a nízkopodlažní budovy tzv. dvouletky. Dále jsem se zabýval demografickou situací v zájmovém území. Vypočetl jsem procentuální podíl obyvatel dané věkové kategorie z celkovému počtu obyvatel v jednotlivých budovách.

Obr. č. 2: procentuální podíl obyvatel ve věku 60 a více z celkového počtu obyvatel v domě

Vysoký procentuální podíl obyvatel, 81 – 100 %, je ve staré Porubě. Jedná se o území v okolí ÚMOb. Tato oblast je pokryta zástavbou rodinných domků. Nejčastější počet obyvatel v těchto domech je jeden a dva lidé. Proto také tato třída nabývá až hodnoty 100 %. Nejvíce je zde budov s procentuálním podílem obyvatel 21 – 40 % (474 budov). Naopak nejméně se vyskytují budovy s procentuálním podílem obyvatel 61 – 80 % (13 budov).

Analýza rozmístění drogérií

  • vselekce provozoven se sortimentem drogérie
  • vanalýza pomocí Thiessenových polygonů
  • vanalýza pomocí obalových zón

Pro tuto analýzu jsem vybral obchod se sortimentem drogérie. Zvolil jsem tento sortiment, protože je využíván všemi obyvateli bez rozdílu věku. Jednoduchým dotazem jsem vybral všechny provozovny se sortimentem drogérie. Na sledovaném území se vyskytuje celkem 12 provozoven s tímto sortimentem. Kolem obchodů se sortimentem drogérie jsem vytvořil Thiessenovy polygony. 

Obr. č. 3: spádová území jednotlivých drogérií vymezená Thiess. polygony

Na obrázku můžeme vidět 12 Thiessenových polygonů. Polygony číslo 1, 3, 9, 11, 12 jsou pro sledované území neuzavřené. Údaje v nich tedy budou zkreslené. Polygon číslo 4 je také neuzavřený. V tomto případě by to nevadilo, protože na druhé straně silnice (17. listopadu) území neobsahuje žádné obydlené budovy.

Další postup spočíval v zjištění potenciálních zákazníků v každém polygonu (pro každou drogérii). Spočítal jsem tedy celkový počet obyvatel a počet obyvatel podle věkových kategorií v jednotlivých budovách příslušného polygonu. Hlavní nevýhodou této metody je, že do sumarizace celkového počtu obyvatel nezahrnuje budovy, které leží na hranici sousedících Thiessenových polygonů. Údaje jsou tedy mírně podhodnoceny o obyvatele budov na těchto hranicích. Další nevýhodou je, že metoda nezohledňuje hlavní dopravní a docházkové trasy. 

Nyní jsem se zabýval zkoumáním počtu potenciálních zákazníků v jednotlivých Thiessenových polygonech. Údaje uvedené pro polygony 1, 3, 4, 9, 11, 12 by mohly být teoreticky vynásobeny dvěma z důvodu zahrnutí všech obyvatel v polygonu (obyvatelé na protější straně silnice). Tento způsob je ale nepřípustný, protože například polygon 4 nemá žádné obydlené budovy na druhé straně ulice.


Počet bydlících osob podle věkových kategorií Celkem
0 - 17 18 - 59 60 a více
Označení polygonu 1 672 2211 1000 3883
2 815 2768 1350 4933
3 404 1392 811 2607
4 458 1555 575 2588
5 125 396 170 691
6 29 132 85 246
7 421 1444 719 2584
8 376 1286 725 2387
9 162 570 275 1007
10 471 1081 290 1842
11 545 1924 822 3291
12 683 2778 1279 4740

Tab. č. 2: počet obyvatel v servisních územích jednotlivých drogérií vytvořených na základě Thiessenových polygonů

Pokud bych rozšířil zájmové území, tak bych zjistil, že např. v oblasti Vozovny (ulice Opavská) se nachází další drogérie. To znamená, že drogérie z polygonu 1 a 3 by přišly o část svých potenciálních zákazníků. Jedná se zde tedy o okrajový (hraniční) problém. Polygony 9, 11 a 12 jsou nadhodnoceny o obyvatele, kteří jsou mimo sledovanou oblast. Polygon 6 se jeví jako silně excentrický a podle počtu potenciálních zákazníků jich má také nejméně. Drogérie z polygonů 6 a 10 se nacházejí ve velmi těsné blízkosti. Z toho usuzuji, že i když má drogérie z polygonu 6 nejmenší počet potenciálních zákazníků, může prosperovat. Obyvatelé z polygonu 10 se mohou totiž rozhodnout pro obě dvě drogérie. Časová dostupnost a náklady spojené s dopravou obyvatel do těchto drogérií se budou nepatrně lišit. Rozhodujícím faktorem pro výběr tedy bude úroveň služeb, šíře nabízeného sortimentu, personál atd.

Jako nejlépe prosperující drogérie se jeví drogérie z polygonu 2. Má největší počet zákazníků a leží na Hlavní třídě. Hlavní třída svým množstvím obchodů a služeb přitahuje zákazníky a rovněž jde o jednu z hlavních dopravních a docházkových tepen v území. Thiessenův polygon je uzavřený v zájmovém území a proto počet potenciálních zákazníků není ovlivněn okrajovým problémem.

Na základě obalových zón (angl. buffer) jsem vytvořil jednoduché obslužné zóny v podobě kruhu kolem drogérií ve vzdálenosti 100 m, která je přijatelná z hlediska docházení. Vzdálenost jednoho sta metru je zákazník ochotný absolvovat při návštěvě nejbližší provozovny. 

Obr. č. 4: obalové zóny kolem drogérií (100 m)

Počet potenciálních zákazníků jsem vypočetl i pro obalové zóny. Obalové zóny jsou číslovány shodně s Thiessenovy polygony tzn. ID polygonu = ID obalové zóny.

Nyní jsem se zabýval zkoumáním počtu potenciálních zákazníků v jednotlivých obalových zónách. Největší počet potenciálních zákazníků se nachází v obalové zóně 2. Druhý největší počet potenciálních zákazníků má obalová zóna 8. Nejmenší počet má obalová zóna 4.


Počet bydlících osob podle věkových kategorií Celkem
0 - 17 18 - 59 60 a více
Označení obalové zóny 1 62 195 94 351
2 121 393 171 685
3 61 226 122 409
4 53 148 46 247
5 77 239 118 434
6 53 177 120 350
7 57 240 144 441
8 100 321 185 606
9 87 275 154 516
10 75 150 60 285
11 68 286 132 486
12 74 217 121 412

Tab. č. 3: počet obyvatel v servisních území jednotlivých drogérií vytvořených na základě obalových zón

Ve srovnání s počty potenciálních zákazníků v Thiessenových polygonech a obalových zónách zjišťuji, že obchod se sortimentem drogérie na Hlavní třídě č.p. 700 (ID polygonu 2) má nejlepší lokalitu. V obou analýzách má největší počet potenciálních zákazníků.

Ve střední části Hlavní třídy je zde patrný shluk kružnic. Potenciální zákazníci zde tedy mají na výběr z více provozoven.

Objevují se zde i hluchá místa (bez výskytu drogérie). Z předchozí analýzy pomocí Thiessenových polygonů a následného výpočtu potenciálních zákazníků v jednotlivých polygonech usuzuji, že vhodnou lokalitou pro umístění nové prodejny se sortimentem drogérie je roh ulice 17. listopadu a ulice Opavská. Jedná se o hraniční oblast mezi polygony 1 a 2. Oba polygony obsahují největší počty potenciálních zákazníků. Je zde také velmi dobrá doprava pomocí MHD. Při dopravě osobním automobilem je možnost využít parkoviště VŠB-TUO.

Další vhodnou lokalitou pro umístění nové prodejny je roh ulice Opavská a Francouzská. Jedná se o hraniční oblast mezi polygony 3 a 12. Tyto polygony rovněž vykazují vysoký výskyt potenciálních zákazníků. Do těchto míst je opět snadná doprava pomocí MHD.

Při pohledu na velikost a umístění obalových zón se naskýtá ještě třetí možnost pro umístění nové provozovny se sortimentem drogérie. Provozovna by mohla být umístěna v hraniční oblasti 7, 10 a 11 polygonu. Tyto polygony ale čítají méně potenciálních zákazníků než polygony předchozí. Je zda také horší dostupnost pomocí MHD. Doprava osobním automobilem by byla náročná vzhledem k vysokému počtu jednosměrných ulic v hraniční oblasti polygonů 7 a 10. Není zde vybudováno ani žádné parkoviště. Ze záznamů získaných z terénu jsem zjistil, že v této oblasti (konkrétně na ulici U Oblouku) již dříve prodejna s tímto sortimentem byla, ale byla zrušena. Je na místě domněnka: byla zrušena jako neprosperující a nebo zde byl jiný faktor pro její zrušení?

Pro ověření nových lokalit drogérií, jsem pokusně umístil do vrstvy provozovny další tři provozovny s tímto sortimentem. První drogérie se nachází na rohu ulice 17. listopadu a ulice Opavská . Druhá se nachází na rohu ulice Opavská a Francouzská a třetí nalezneme poblíž ulice Porubská na již zmíněném místě. 

Obr. č. 5: spádová území jednotlivých drogérií včetně nově navržených

Obr. č. 6: obalové zóny včetně nově navržených drogérií (100 m)

Po pokusném umístění třech dalších drogérií jsem porovnával potenciální zákazníky nové vrstvy drogérií (15 provozoven) se starou vrstvou (12 provozoven).

V metodě Thiessenových polygonů má největší počet potenciálních zákazníků drogérie z polygonu 15. V metodě pomocí obalových zón již má srovnatelný počet s ostatními prodejnami. Polygon 15 totiž obsahuje řadu výškových domů, takže metodou Thiessenových polygonů bude vždy nabývat vysokých hodnot potenciálních zákazníků.

Drogérie s druhým největším počtem potenciálních zákazníků je v polygonu 3 (ve staré vrstvě polygon 2). Tato drogérie má největší počet zákazníků i přes to, že v jejím okolí přibyla nová drogérie (polygon 1). Drogérie z polygonu 3 má resp. měla největší počet potenciálních zákazníků v nové resp. staré vrstvě, to znamená, že by mohla nejlépe prosperovat. 

Nově vzniklé drogérie v polygonech 1 a 14 mají srovnatelně stejný počet zákazníků jako ostatní drogérie. Třetí nově vzniklá drogérie v polygonu 7 má počet potenciálních zákazníků velmi malý. Z toho usuzuji, že na tomto místě by nebylo vhodné budovat novou drogérii.


Poznámka:

N = nová drogérie

 

Počet bydlících osob podle věkových kategorií Celkem
0 - 17 18 - 59 60 a více

Označení polygonu

1N 446 1556 786 2788
2 448 1374 621 2443
3 623 2127 1013 3763
4 319 1072 623 2014
5 422 1466 542 2430
6 117 371 159 647
7N 189 656 428 1273
8 30 147 86 263
9 379 1290 639 2308
10 294 631 193 1118
11 350 1219 673 2242
12 162 570 274 1006
13 354 1265 541 2160
14N 397 1234 440 2071
15 588 2463 1080 4131

Tab. č. 4: počet obyvatel v servisních území jednotlivých drogérií na základě Thiessenových polygonů po umístění nových provozoven


Poznámka:

N = nová drogérie

 

Počet bydlících osob podle věkových kategorií Celkem
0 - 17 18 - 59 60 a více

Označení obalové zóny

1N 57 270 94 421
2 62 195 94 351
3 121 393 171 685
4 61 226 122 409
5 53 148 46 247
6 77 239 118 434
7N 40 132 98 270
8 53 177 120 350
9 57 240 144 441
10 75 150 60 285
11 100 321 185 606
12 87 275 154 516
13 68 286 132 486
14N 73 236 91 400
15 74 217 121 412

Tab. č. 5: počet obyvatel v servisních území jednotlivých drogérií na základě obalových zón po umístění třech nových provozoven

  Jak již bylo zmíněno, sortiment drogérie byl vybrán z důvodu, že je využíván všemi obyvateli bez rozdílu věku. Úvahy o nalezení vhodného místa pro novou prodejnu mohou být do značné míry ovlivněny dnešním trendem při nakupování. V okolí mé zájmové oblasti se totiž nachází hypermarkety Tesco a Kaufland. Dnešní trend nakupování je ten, že zákazník raději absolvuje delší cestu do takového hypermarketu, protože se mu nabízí několik výhod. Je jich hned několik: 

  •    zákazník zde má větší výběr sortimentu (drogerie),

  •    ceny jsou nižší než ve specializovaných prodejnách,

  •    do nákupu zahrne výrobky z více sortimentů,

  •    k hypermarketům je kvalitní přístupová cesta,

  •    k dispozici je sociální zařízení,

  •    možnost občerstvení.

Nakupování v malých obchodech je dnes již většinou potřebou akutního a rychlého doplnění zásob. Proto také byly vybrány drogérie a byla zvolena malá docházková vzdálenost.

Výhody a nevýhody metod

Thiessenovy polygony

  • nepočítá s budovami na hranicích polygonu
  • jsou ovlivněny okrajovým problémem
  • nevystihují vždy sledovanou oblast
  • nezohledňují hlavní docházkové a dopravní trasy

  Obalové zóny

  • nepočítá s budovami na hranicích zón
  • menší vliv okrajových problémů
  • velikost se dá libovolně stanovit
  • dá se vytvořit více soustředných obalových zón

Závěr

Cílem bakalářské práce bylo provedení terénního průzkumu, lokalizace provozoven a posouzení umístění vybraných služeb na části území Ostravy – Poruby. Analyzována byla vrstva budov a provozoven. V této práci nebyla použita analýza uliční sítě, protože vyžaduje práci s rozsáhlejším územím. V našem případě se jedná o území s krátkými docházkovými vzdálenostmi. Využití této práce je jak pro marketingové účely, tak pro informovanost široké veřejnosti. Vrstva provozoven společně s vrstvami ulic a budov by mohla být zveřejněna na Internetu. Uživatel by si mohl jednoduchým dotazováním zjistit potřebné informace o prodejně. Z provozoven by mohl vyfiltrovat žádaný sortiment a informovat se o otevíracích dobách příslušných provozoven. Při takovém využití by ale musela být zajištěna pravidelná aktualizace dat. Pokud by takto nebylo učiněno, pak by uživatel za krátkou dobu měl k dispozici data chybná. Jen málo provozoven zůstává stabilních. Nejčastější změny údajů o provozovnách nastávají u otevíracích dob. Změnám také podléhá poskytovaný sortiment provozoven, zodpovědný pracovník a název provozovny. Při porovnání metod užitých k analýze vymezení spádových území (Thiessenovy polygony x obalové zóny) jsem dospěl k závěru, že vhodnější metodou je v tomto případě metoda obalových zón. Nevýhodou obou metod je, že nezahrnují potencionální zákazníky v domech, které se nacházejí na hranici polygonu resp. obalové zóny. Thiessenovy polygony jsou dále ovlivněny okrajovými problémy. Velikost polygonu nevystihuje vždy sledovanou oblast. Další nevýhodou je, že Thiessenovy polygony nijak nezohledňují hlavní docházkové a dopravní trasy. Velikost obalové zóny si můžeme stanovit dle vlastních kritérií. Dá se také vytvořit více soustředných obalových zón kolem bodu. Pro tuto problematiku spíše doporučuji metodu obalových zón než metodu Thiessenových polygonů. K zlepšení výsledků pomocí Thiessenových polygonů, by bylo zapotřebí rozšířit zájmové území na celou Ostravu.

Literatura

  1. Maier, K. a Řezáč, V.: Ekonomika v území, Urbanistická ekonomika a územní rozvoj, vydavatelství ČVUT 1997
  2. Kusendová, D. a Štepitová, D.: Použitie nástrojov GIS v obchodno-služobnej aplikácii – bankomatové prevádzky v centre Bratislavy 
  3. Turčan, M.: Speciální metody analýzy dat, 1996
  4. Kusendová, D.: Využitie geografických informačných systémov v humánno-geografickom výskume
  5. http://gis.vsb.cz/Publikace/Sborniky/GIS_Ova/gis_ova_2001/sbornik/Referaty/kusendova.htm
  6. ESRI, Inc.: ArcView GIS, USA 1996
  7. GEO INFO: červen 2001, ročník VIII

Copyright (C) VŠB - TU Ostrava, Institut geoinformatiky, 2001-3. Všechna práva vyhrazena. 
V případě, dotazů, komentářů, připomínek kontaktujte www-gis.hgf@vsb.cz
Tato stránka byla naposledy aktualizována: 29.03.2006 16:16
Stránky jsou optimalizovány pro Microsoft Internet Explorer v. 5.0 a vyšší.
Jsou vytvářeny v programovém prostředí FrontPage 2003.

NAVRCHOLU.cz