Investigadores de la Universidad de Granada (UGR) han desarrollado un método de inteligencia artificial para predecir si un vehículo volverá a visitar una zona turística en el futuro, con aplicación en la gestión turística de la Alpujarra. El trabajo se ha centrado en los municipios de Pampaneira, Bubión y Capileira, donde se ha analizado tráfico real mediante datos captados por cámaras de reconocimiento de matrículas.
El equipo pertenece al Centro de Investigación en Tecnologías de la Información y la Comunicación de la Universidad de Granada y al Instituto Andaluz de Investigación e Innovación en Turismo. El estudio se ha publicado en la revista IEEE Internet of Things Journal y plantea un modelo orientado a anticipar la demanda de turismo recurrente a partir del comportamiento de los desplazamientos.
Modelo de inteligencia artificial
El sistema procesa la información de cada desplazamiento desde tres perspectivas. La primera se centra en las características de la visita y recoge variables asociadas al comportamiento del turista, como la duración total de la estancia, el número de noches en la zona, los días de entrada y salida y si el viaje coincide con fines de semana o festivos.
La segunda perspectiva analiza la evolución del tráfico en el entorno. Para ello, el modelo considera el volumen diario de vehículos registrado durante las semanas previas a la llegada del visitante, lo que permite detectar tendencias de demanda y diferenciar momentos de elevada afluencia de otros periodos con menor circulación.
La tercera dimensión incorpora la ruta espacial seguida por cada vehículo. En este caso, el recorrido se representa como una red en la que cada cámara funciona como un nodo y cada desplazamiento entre cámaras se define como una conexión que incluye el tiempo exacto empleado en el trayecto.
Integración adaptativa de datos y mejora de la precisión
La aportación principal del método está en la forma de combinar estas tres fuentes de información. El sistema evalúa automáticamente, para cada turista, qué perspectiva aporta datos más útiles y reduce la relevancia de aquellas que presentan más ruido, al tiempo que refuerza las vistas consideradas más fiables.
Este tipo de modelado permite mejorar las predicciones en escenarios reales, especialmente cuando la calidad de los datos cambia de forma dinámica.
Con este enfoque adaptativo, el modelo alcanza una precisión del 73%. De acuerdo con los resultados del estudio, supera a otros métodos de referencia recogidos en la literatura científica, con mejoras situadas entre el 2,8% y el 14,2%.
El sistema también reduce el tiempo necesario para el entrenamiento del modelo al limitar el impacto de las fuentes de datos más ruidosas. Esa disminución se sitúa entre el 4,7% y el 40,2%, lo que representa una ventaja desde el punto de vista computacional.
Los resultados pueden ser utilizados por ayuntamientos y gestores de parques naturales para anticipar la demanda turística recurrente y apoyar la toma de decisiones operativas. Entre las posibles aplicaciones figuran la planificación de aparcamientos, la programación de servicios de limpieza y la organización del transporte en la Alpujarra.
El proyecto ha recibido financiación de la Consejería de Universidad, Investigación e Innovación de la Junta de Andalucía y de la Agencia Estatal de Investigación, con cofinanciación de fondos europeos FEDER. Los costes de acceso abierto han sido financiados por la Universidad de Granada y el Consorcio de Bibliotecas Universitarias de Andalucía.