Guía de San Pedro Alcántara
Comentarios
Un método de inteligencia artificial de la Universidad de Granada (UGR) ha aprendido a descartar información ruidosa para optimizar la gestión turística, un modelo que mejora la predicción de las visitas recurrentes a una zona rural mediante un análisis real del tráfico.
Investigadores del Centro de Investigación en Tecnologías de la Información y la Comunicación de la UGR y del Instituto Andaluz de Investigación e Innovación en Turismo han desarrollado un método de inteligencia artificial capaz de predecir si un vehículo volverá a visitar una zona turística en el futuro.
El estudio, que publica la revista 'IEEE Internet of Things Journal', se ha centrado en la Alpujarra granadina y ha analizado el tráfico real registrado en los municipios de Pampaneira, Bubión y Capileira a partir de datos obtenidos mediante cámaras de reconocimiento de matrículas.
El modelo procesa la información asociada a cada desplazamiento desde tres puntos de vista diferenciados.
Por un lado, incorpora características de la visita relacionadas con el comportamiento del turista, como el tiempo total de estancia, el número de noches en la zona, el día de la semana de entrada y salida y si la visita se produce en fines de semana o días festivos.
Alpujarra
Por otro, analiza la evolución del tráfico, considerando el volumen diario de vehículos que circulan por la zona durante las semanas previas a la llegada del visitante, lo que permite identificar tendencias de demanda y distinguir entre periodos de alta afluencia y etapas de menor volumen.
Finalmente, modela la ruta espacial seguida por cada vehículo, representando el recorrido como una red en la que cada cámara constituye un nodo y cada trayecto entre cámaras una conexión que incorpora el tiempo exacto empleado en el desplazamiento.
Con este nuevo modelo y de manera automática, el sistema evalúa para cada turista cuál de las tres vistas aporta datos más útiles y reduce el peso de aquellas que contienen mayor nivel de ruido, reforzando las restantes.
"Este modelado inteligente permite obtener predicciones más precisas en escenarios reales, especialmente cuando la fiabilidad de los datos varía de forma dinámica", ha explicado el investigador principal del estudio, Alberto Durán López.
Gracias a este enfoque adaptativo, el modelo ha alcanzado una precisión del 73 %, superando a otros métodos de referencia descritos en la literatura científica con mejoras que oscilan entre el 2,8 % y el 14,2 %.
Además, al disminuir la influencia de las vistas más ruidosas, el método reduce el tiempo de entrenamiento entre un 4,7 % y un 40,2 %, lo que supone una ventaja relevante desde el punto de vista computacional.
La aplicación de este método permite a ayuntamientos y gestores de parques naturales anticipar la demanda de turismo recurrente y disponer de información más precisa para la toma de decisiones que afecten a aparcamientos, servicios o transportes.
Comentarios
Aviso
