Comparing International Movements of Tourists: Official Census versus Social Media

Abstract

Tourism is one of the most competitive, lucrative, and socially important economic segments in the world. Therefore, understanding the behavior of tourists is strategic for improving services and results. Many studies in the literature explore this issue using traditional data, such as surveys. These approaches provide reliable, precise information, but it is hard to obtain on a large scale, making studying worldwide patterns difficult. Location-Based Social Networks (LBSNs) could minimize these problems due to the ease of acquiring large amounts of detailed behavioral data. Nevertheless, before using such data, it is imperative to determine whether the information reveals behaviors comparable to traditional data - our ground truth. Thus, this work investigates whether the international flow of tourists measured with LBSN data is similar to the behavior estimated by the World Tourism Organization with traditional data sources. Our results suggest that LBSNs data represent the studied behavior well, indicating that they could be used in research regarding tourism mobility at different levels.

Estudo do Comportamento de Consumo de Bebida em Centros Urbanos usando Redes de Sensoriamento Participativo

“…A computac ¸ão urbana faz uso de uma grande quantidade de fontes de dados, como dispositivos de Internet das Coisas (IoT), dados de Redes Sociais Baseadas em Geolocalizac ¸ão (LBSN) e também dados estatísticos que facilitam na compreensão do ambiente urbano, assim conforme dito em [Rodrigues et al 2019, Skora and Silva 2021, Silva et al 2014b], a computac ¸ão é capaz de fazer a diferenc ¸a em diversas áreas e com o aumento na disponibilidade dos dados através de iniciativas para implementac ¸ão de cidades inteligentes, surge a oportunidade de monitorac ¸ão dos indivíduos em diversos aspectos, como por exemplo, na mobilidade desses indivíduos dentro da cidade, as suas rotinas, interesses, sentimentos, etc. Todos esses dados que podem ser coletados nos fornecem informac ¸ões sobre diferentes domínios e assim como em [Machado et al 2015] e [Gubert et al 2022], é possível explorar dados de diferentes domínios através do sensoriamento em camadas e grafos multa aspecto, o que possibilita analisar a influência de fatores como o trânsito e as condic ¸ões meteorológicas sob a mobilidade das pessoas de acordo com as classes sociais de uma cidade e a dinamicidade nos pontos de interesse.…”