Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10451/50757 |
Resumo: | O turismo é uma das principais atividades económicas atualmente, por isso torna-se bastante importante a compreensão do comportamento dos turistas no espaço e no tempo para que haja um bom planeamento da oferta turística no local de destino. Com o aparecimento de novas tecnologias, surgem novos métodos capazes de complementar os métodos tradicionais, como é o caso das fotografias geotagged, que nos permitem saber a localização exata no tempo e no espaço de onde e quando são partilhadas as fotografias dos turistas. Nos últimos anos com a evolução das tecnologias têm surgido plataformas online de economia partilhada (ex.: Airbnb) que dão aos turistas uma maior diversidade e acessibilidade de ofertas de alojamento aos turistas, tornando a atividade turística cada vez mais acessível. Nesta dissertação foram utilizadas fotografias geotagged partilhadas pelos utilizadores da rede social Flickr durante os anos de 2015 e início de 2020, de forma a analisar o comportamento espácio-temporal dos turistas em Portugal Continental. Este conjunto de fotografias foi dividido em 4 tipos: fotografias de locais e visitantes (404 360), fotografias de turistas (113 625), fotografias de turistas na época fria (62 329) e fotografias de turistas na época quente (51 296). Com a utilização de métodos estatísticos verificou-se que os locais mais atrativos tendem a localizar junto ao litoral, havendo algumas exceções como a cidade de Évora. Mas verificou-se que existem 3 áreas de grande atração: a região do Algarve, junto à cidade do Porto e principalmente junto à cidade de Lisboa. Verificou-se ainda que os locais onde se tendem a concentrar mais fotografias, são os locais onde tendem a existir uma maior concentração de alojamentos locais. |
id |
RCAP_1fb1c8682543e64f9ab7a9955547cc96 |
---|---|
oai_identifier_str |
oai:repositorio.ul.pt:10451/50757 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Inteligência Espacial na modelação dos clusters turísticos em Portugal ContinentalTurismoBig DataRedes sociaisAnálise espacialFotografias geotaggedGeografiaModelação EspacialOrdenamento do TerritórioSIGO turismo é uma das principais atividades económicas atualmente, por isso torna-se bastante importante a compreensão do comportamento dos turistas no espaço e no tempo para que haja um bom planeamento da oferta turística no local de destino. Com o aparecimento de novas tecnologias, surgem novos métodos capazes de complementar os métodos tradicionais, como é o caso das fotografias geotagged, que nos permitem saber a localização exata no tempo e no espaço de onde e quando são partilhadas as fotografias dos turistas. Nos últimos anos com a evolução das tecnologias têm surgido plataformas online de economia partilhada (ex.: Airbnb) que dão aos turistas uma maior diversidade e acessibilidade de ofertas de alojamento aos turistas, tornando a atividade turística cada vez mais acessível. Nesta dissertação foram utilizadas fotografias geotagged partilhadas pelos utilizadores da rede social Flickr durante os anos de 2015 e início de 2020, de forma a analisar o comportamento espácio-temporal dos turistas em Portugal Continental. Este conjunto de fotografias foi dividido em 4 tipos: fotografias de locais e visitantes (404 360), fotografias de turistas (113 625), fotografias de turistas na época fria (62 329) e fotografias de turistas na época quente (51 296). Com a utilização de métodos estatísticos verificou-se que os locais mais atrativos tendem a localizar junto ao litoral, havendo algumas exceções como a cidade de Évora. Mas verificou-se que existem 3 áreas de grande atração: a região do Algarve, junto à cidade do Porto e principalmente junto à cidade de Lisboa. Verificou-se ainda que os locais onde se tendem a concentrar mais fotografias, são os locais onde tendem a existir uma maior concentração de alojamentos locais.Tourism is one of the main economic activities today, so it is very important to understand the behavior of tourists in space and time in order to have a good planning of the touristic offer at the destination. With the emergence of new technologies, new methods are emerging that complement traditional methods, such as geotagged photos, which allow us to know the exact location in time and space from where and when tourists' photographs are shared. In recent years with the evolution of technologies have emerged online platforms of shared economy (e.g.: Airbnb) that give tourists a greater diversity and accessibility of accommodation offers to tourists, making the tourist activity increasingly accessible. In this dissertation, geotagged photos shared by Flickr social network users during the years 2015 and early 2020 were used to analyze the spatiotemporal behavior of tourists in Portugal Contnental. This set of photographs was divided into 4 types: photographs of locals and visitors (404 360), photographs of tourists (113 625), photographs of tourists in the cold season (62 329) and photographs of tourists in the warm season (51 296). With the use of statistical methods, it was verified that the most attractive places tend to be located along the coast, with some exceptions such as the city of Évora. It was also verified that there are 3 areas of great attraction: the Algarve region, next to the city of Porto and mainly next to the city of Lisbon. It was also verified that the places where there tend to concentrate more photos, are the places where there tends to be a greater concentration of local lodgings.Rocha, JorgeFerreira, Carlos CardosoRepositório da Universidade de LisboaSantos, Francisco Diogo Cruz dos2022-01-10T14:53:36Z2021-12-212021-12-21T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/50757TID:202840514porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:55:06Zoai:repositorio.ul.pt:10451/50757Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:02:09.188470Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
title |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
spellingShingle |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental Santos, Francisco Diogo Cruz dos Turismo Big Data Redes sociais Análise espacial Fotografias geotagged Geografia Modelação Espacial Ordenamento do Território SIG |
title_short |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
title_full |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
title_fullStr |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
title_full_unstemmed |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
title_sort |
Inteligência Espacial na modelação dos clusters turísticos em Portugal Continental |
author |
Santos, Francisco Diogo Cruz dos |
author_facet |
Santos, Francisco Diogo Cruz dos |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rocha, Jorge Ferreira, Carlos Cardoso Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Santos, Francisco Diogo Cruz dos |
dc.subject.por.fl_str_mv |
Turismo Big Data Redes sociais Análise espacial Fotografias geotagged Geografia Modelação Espacial Ordenamento do Território SIG |
topic |
Turismo Big Data Redes sociais Análise espacial Fotografias geotagged Geografia Modelação Espacial Ordenamento do Território SIG |
description |
O turismo é uma das principais atividades económicas atualmente, por isso torna-se bastante importante a compreensão do comportamento dos turistas no espaço e no tempo para que haja um bom planeamento da oferta turística no local de destino. Com o aparecimento de novas tecnologias, surgem novos métodos capazes de complementar os métodos tradicionais, como é o caso das fotografias geotagged, que nos permitem saber a localização exata no tempo e no espaço de onde e quando são partilhadas as fotografias dos turistas. Nos últimos anos com a evolução das tecnologias têm surgido plataformas online de economia partilhada (ex.: Airbnb) que dão aos turistas uma maior diversidade e acessibilidade de ofertas de alojamento aos turistas, tornando a atividade turística cada vez mais acessível. Nesta dissertação foram utilizadas fotografias geotagged partilhadas pelos utilizadores da rede social Flickr durante os anos de 2015 e início de 2020, de forma a analisar o comportamento espácio-temporal dos turistas em Portugal Continental. Este conjunto de fotografias foi dividido em 4 tipos: fotografias de locais e visitantes (404 360), fotografias de turistas (113 625), fotografias de turistas na época fria (62 329) e fotografias de turistas na época quente (51 296). Com a utilização de métodos estatísticos verificou-se que os locais mais atrativos tendem a localizar junto ao litoral, havendo algumas exceções como a cidade de Évora. Mas verificou-se que existem 3 áreas de grande atração: a região do Algarve, junto à cidade do Porto e principalmente junto à cidade de Lisboa. Verificou-se ainda que os locais onde se tendem a concentrar mais fotografias, são os locais onde tendem a existir uma maior concentração de alojamentos locais. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-21 2021-12-21T00:00:00Z 2022-01-10T14:53:36Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10451/50757 TID:202840514 |
url |
http://hdl.handle.net/10451/50757 |
identifier_str_mv |
TID:202840514 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799134571232493568 |