Improving tourism prediction models using climate and social media data: a fine-grained approach

Abstract

Previsões precisas sobre eventos futuros são essenciais em muitas áreas, sendo uma delas a Indústria do Turismo. Normalmente, os países e cidades investem uma enorme quantidade de dinheiro no planeamento e preparação para receber (e lucrar com) os turistas. Uma previsão precisa do número de visitas nos dias ou meses seguintes poderia ajudar tanto a economia como os turistas. Estudos anteriores neste domínio exploram previsões para um país inteiro, em vez de áreas refinadas dentro de um país (por exemplo, atrações turísticas específicas). Neste trabalho, sugerimos que dados acessíveis de redes sociais online e sites de viagens, além de dados climáticos, podem ser utilizados para apoiar a inferência da contagem de visitação de diversos atrativos turísticos. Para testar nossa hipótese, analisamos dados de visitação, clima e mídia social em mais de 70 Parques Nacionais nos EUA durante os últimos 3 anos. Os resultados experimentais revelam uma elevada correlação entre os dados das redes sociais e as procuras turísticas; na verdade, em mais de 80% dos parques, as avaliações nas redes sociais e as contagens de visitação estão correlacionadas em mais de 50%. Além disso, avaliamos a eficácia do emprego de várias técnicas de previsão, descobrindo que mesmo um modelo de regressão linear simples, quando alimentado com mídias sociais e dados climáticos como recursos de entrada, pode atingir uma precisão de previsão superior a 80%, enquanto um algoritmo mais robusto, como como regressão vetorial de suporte, atinge até 94% de precisão.