Resumen de Location-Based Social Network Data for Exploring Spatial and Functional Urban Tourists and Residents Consumption Patterns

Aurélie Cerdan Schwitzguébel, Oriol Romero Bartomeus

• español

  La creciente popularidad de los destinos urbanos ha actuado como catalizador del debate sobre la delimitación geográfica de la actividad turística. En este contexto, el Big Data, y más específicamente las redes sociales que integran ubicación (LBSN), aparecen como una valiosa fuente de información para aproximarse a la interacción espacial entre turistas y residentes, desde una perspectiva renovada. Este artículo se centra en la aproximación a las similitudes y diferencias entre el uso geográfico y funcional de las unidades económicas urbanas, por parte de turistas y residentes. Para ello, se ha desarrollado y aplicado un algoritmo de clasificación de usuarios a un conjunto de datos de YELP. Se ha calculado también un ratio de integración entre turistas y residentes urbanos, posteriormente aplicado a los negocios georreferenciados y sus categorías funcionales, en las 11 áreas metropolitanas incluidas en la muestra: Champaign (Illinois, EEUU), Charlotte (Carolina del Norte, EEUU), Cleveland (Ohio, EEUU), Edimburgo (Escocia, GB), Las Vegas (Nevada, EEUU), Madison (Wisconsin, EEUU), Montreal (Quebec, CA), Pittsburg (Pennsylvania, EEUU), Phoenix (Arizona, EEU), Stuttgart (DE) and Toronto (Ontario, CA). Las categorías funcionales que agrupan los negocios muestran claras similitudes en cuanto a la coincidencia espacial entre turistas y residentes. Además, hay una clara concentración geográfica de la actividad para ambos grupos de usuario en todos los casos estudiados.

• English

  Urban tourist destinations’ increasing popularity has been a catalyst for discussion about the tourist activity geographical circumscription. In this context, Big Data and more specifically location-based social networks (LBSN), appear as a valuable source of information to approach tourist and residents spatial interactions from a renewed perspective. This paper focuses on approaching similarities and differences between tourists and residents’ geographical and functional use of urban economic units. A user classificatory algorithm has been developed and applied on YELP’s Dataset for that purpose. A residents and tourists integration ratio has then been calculated and applied by types of businesses categories and their associated spatial distribution of the of 11 metropolitan areas provided in the sample: Champaign (Illinois, US), Charlotte (North Carolina, US), Cleveland (Ohio, US), Edinburgh (Scotland, UK), Las Vegas (Nevada, US), Madison (Wisconsin, US), Montreal (Quebec, CA), Pittsburgh (Pennsylvania, US), Phoenix (Arizona, US), Stuttgart (DE) and Toronto (Ontario, CA). Business category results show strong similarities in tourists and residents functional coincidence in the use of urban spaces and leisure offer, while there is a clear geographical concentration of activity for both user types in all analysed case studies.