Identificación de puntos de interés turístico a través de datos de redes sociales

Abstract

En muchas ciudades europeas, el turismo de masas se está convirtiendo en una importante industria, pero los efectos de la creciente actividad de los visitantes están empezando a ser percibidas de manera negativa por sus habitantes. Las autoridades locales deben implementar políticas que modulen estas actividades para que puedan coexistir y ser compatibles con la vida diaria de la población residente. Sin embargo, estas políticas deben tener en consideración que la actividad turística tiende a concentrarse en áreas muy específicas, las cuales deben ser identificadas claramente antes de imponer formas específicas de tasación, o requerir la obtención de una licencia obligatoria para ciertas actividades. Para delimitar de manera clara estos ámbitos, esta investigación propone utilizar los datos de las redes sociales para identificar puntos calientes de actividad turística en Barcelona, como una fuente emergente de información en la toma de decisiones, utilizando como estudio de caso más de 75.000 fotografías geolocalizadas obtenidas del servicio Panoramio a través de su interfaz de programación de aplicaciones (API).Esta aproximación al análisis urbano basada en datos debe solventar algunos aspectos de lo que algunos autores describen como “las 4 V del Big Data”: volumen, variedad, velocidad, y veracidad. En particular, esta investigación es especialmente sensible a dos aspectos (volumen y veracidad) que debían ser resueltos de manera efectiva. En el caso del volumen, el gran número de localizaciones dificultaba la aplicación de las técnicas de análisis espacial convencional, mientras que, en el caso de la veracidad, la naturaleza informal de los datos reducía la confianza en la precisión de su ubicación. La metodología siguió una aproximación basada en la estadística espacial, centrada en la distribución espacial de las localizaciones analizada a través en la estimación de la densidad por núcleo (KDE), con el ancho de banda determinado con el objetivo de identificar tendencias generales a la escala de estudio y reducir el ruido espacial.Sin embargo, el análisis de la densidad de fotografías de manera aislada ignora la variación espacial de la intensidad de uso dentro de la ciudad, puesto que en áreas de mayor actividad es esperable una mayor concentración de fotografías, ceteris paribus. La estimación del nivel de actividad se realizó en base al inventario de locales de la ciudad de Barcelona, considerando que se trataba de un buen indicador de la intensidad de uso de los distintos ámbitos de la ciudad, bajo la premisa que una mayor presencia de locales es indicativa de una mayor actividad peatonal.Para analizar el atractivo turístico teniendo en cuenta esta heterogeneidad espacial en el uso de la ciudad, se comparó la distribución espacial de fotografías en relación con la de actividad comercial en planta baja (como indicador indirecto de intensidad de uso). Para hacer equiparables ambas distribuciones, se desarrolló una metodología para normalizar los valores obtenidos del KDE, obteniendo un indicador (atractivo relativo) robusto respecto tanto a la resolución de discretización, el número de localizaciones y su distribución espacial. Las diferencias entre ambas superficies normalizadas fueron clasificadas en una escala divergente para identificar y cuantificar los puntos de actividad turística tanto fríos como calientes, permitiendo identificar las áreas de elevada presión turística y también los “desiertos” con muy escasa presencia de visitantes.El enfoque propuesto propone una vía emergente de investigación en un campo de estudio tradicionalmente escaso en datos, y sugiere que las redes sociales son capaces de convertirse en una valiosa fuente de datos en la investigación urbana. Sin embargo, aunque la cantidad de datos disponible no tiene precedentes, también requiere nuevas técnicas de análisis, así como el conocimiento específico de los procesos de recopilación, limpieza, análisis y visualización de datos, para obtener resultados relevantes de forma rigurosa.

En moltes ciutats europees, el turisme de masses s'està convertint en una important indústria, però els efectes de la creixent activitat dels visitants estan començant a ser percebudes de manera negativa pels seus habitants. Les autoritats locals han d'implementar polítiques que modulen aquestes activitats perquè puguin coexistir i ser compatibles amb la vida diària de la població resident. No obstant això, aquestes polítiques han de tenir en consideració que l'activitat turística tendeix a concentrar-se en àrees molt específiques, les quals han de ser identificades clarament abans d'imposar formes específiques de taxació, o requerir l'obtenció d'una llicència obligatòria per a certes activitats. Per delimitar de manera clara aquests àmbits, aquesta investigació proposa utilitzar les dades de les xarxes socials per identificar punts calents d'activitat turística a Barcelona, com una font emergent d'informació en la presa de decisions, utilitzant com a estudi de cas més de 75.000 fotografies geolocalitzades obtingudes del servei Panoramio a través de la seva interfície de programació d'aplicacions (API).Aquesta aproximació a l'anàlisi urbana basada en dades ha de solucionar alguns aspectes del que alguns autors descriuen com "les 4 V del Big Data": volum, varietat, velocitat, i veracitat. En particular, aquesta investigació és especialment sensible a dos aspectes (volum i veracitat) que havien de ser resolts de manera efectiva. En el cas del volum, el gran nombre de localitzacions dificultava l'aplicació de les tècniques d'anàlisi espacial convencional, mentre que, en el cas de la veracitat, la naturalesa informal de les dades reduïa la confiança en la precisió de la seva ubicació. La metodologia va seguir una aproximació basada en l'estadística espacial, centrada en la distribució espacial de les localitzacions analitzada a través en l'estimació de la densitat per nucli (KDE), amb l'ample de banda determinat amb l'objectiu d'identificar tendències generals a l'escala d'estudi i reduir el soroll espacial.No obstant això, l'anàlisi de la densitat de fotografies de manera aïllada ignora la variació espacial de la intensitat d'ús dins de la ciutat, ja que en àrees de major activitat és esperable una major concentració de fotografies, ceteris paribus. L'estimació del nivell d'activitat es va realitzar basant-se l'inventari de locals de la ciutat de Barcelona, considerant que es tractava d'un bon indicador de la intensitat d'ús dels diferents àmbits de la ciutat, sota la premissa que una major presència de locals és indicativa d'una major activitat de vianants.Per analitzar l'atractiu turístic tenint en compte aquesta heterogeneïtat espacial en l'ús de la ciutat, es va comparar la distribució espacial de fotografies en relació amb la d'activitat comercial en planta baixa (com a indicador indirecte d'intensitat d'ús). Per fer equiparables les dues distribucions, es va desenvolupar una metodologia per normalitzar els valors obtinguts de l'KDE, obtenint un indicador (atractiu relatiu) robust respecte tant a la resolució de discretització, el nombre de localitzacions i la seva distribució espacial. Les diferències entre les dues superfícies normalitzades van ser classificades en una escala divergent per identificar i quantificar els punts d'activitat turística tant freds com calents, permetent identificar les àrees d'elevada pressió turística i també els "deserts" amb molt escassa presència de visitants.L'enfocament proposat proposa una via emergent de recerca en un camp d'estudi tradicionalment escàs en dades, i suggereix que les xarxes socials són capaços d'esdevenir una valuosa font de dades en la investigació urbana. No obstant això, tot i que la quantitat de dades disponible no té precedents, també requereix noves tècniques d'anàlisi, així com el coneixement específic dels processos de recopilació, neteja, anàlisi i visualització de dades, per obtenir resultats rellevants de forma rigorosa.

In most European cities, mass tourism is becoming a major industry, but the effects of the increasing visitor pressure are beginning to be negatively perceived by its inhabitants. Local authorities must implement policies that modulate these activities so they can coexist and become compatible with the daily life of the local population. However, these policies must take into consideration that tourist activity tends to concentrate in very specific areas, which must be clearly identified before implementing specific taxation schemes, or requiring the procurement of a mandatory license for certain activities. To clearly designate these areas, this research proposes using social media data to identify hot spots of visitor activity in Barcelona, as an emerging source of information for stakeholders in their decision-making process, using as a case of study more than 75,000 geotagged pictures collected the Panoramio picture sharing community through its Application Programming Interface.This data-driven approach to urban analysis must address some of the issues of what some authors describe as “the 4 V’s of Big Data”: volume, variety, velocity, and veracity. In particular, this research is especially sensitive to two aspects (volume and veracity) that must to be addressed accordingly. In the case of its volume, the large number of locations made conventional spatial data analysis challenging, while in the case of veracity, the informal nature of the source data reduced the confidence on location precision. The methodology followed a principled approach based on spatial statistics, focusing on the spatial distribution of locations analyzed using kernel density estimation (KDE), with the bandwidth determined to identify general trends at the intended scale of analysis and reduce spatial noise.However, the analysis of the density of photographs in isolation ignores the spatial variation of the intensity of use within the city, since a greater concentration of photographs is expected in areas of elevated activity, ceteris paribus. The estimation of the level of activity was based on the inventory of businesses in the city of Barcelona, considering that it was a good indicator of the intensity of use in the different areas of the city, under the premise that a higher number of businesses is indicative increased pedestrian activity.To analyze tourist attractiveness considering this spatial heterogeneity in the use of the city, the spatial distributions of photographs and street-level commercial activities (as an indirect indicator of intensity of use) were compared. To make both distributions equivalent, a methodology was developed to normalize the values obtained from the KDE, obtaining an indicator (relative attractiveness) robust regarding the resolution of discretization, the number of locations, and their spatial distribution. The differences between both standardized surfaces were classified on a divergent scale to identify and quantify the hot and cold spots of tourist activity, highlighting the areas of outstanding tourist pressure and also the “deserts” almost devoid of visitors.The proposed approach proposes an emerging avenue of research in a traditionally data-scarce field of study, and suggests that social media is capable of becoming a valuable source of data in urban research. However, while this amount of data available is unprecedented, it also requires new analysis techniques as well as specific domain knowledge in the data collection, cleaning, analysis and visualization processes to successfully provide accurate and meaningful results.