⚡ ingeniería eléctrica

A Pressure-Aware Pedestrian Routing Service for Tourism Data Spaces

Este estudio presenta un servicio de optimización basado en SIG para la planificación de itinerarios peatonales conscientes de la presión en el centro histórico de Palma, demostrando que si bien el filtrado de atracciones de alta presión reduce la aglomeración de visitantes en sitios específicos, tiene un impacto mínimo en la presión a nivel de corredores, resaltando así la necesidad de estrategias de gestión multiescala dentro de los espacios de datos turísticos.

Autores originales: Chenghuan Qian, Dolores Ordóñez-Martínez, Maurici Ruiz-Pérez

Publicado 2026-10-19

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Chenghuan Qian, Dolores Ordóñez-Martínez, Maurici Ruiz-Pérez

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que caminas por el centro de una ciudad histórica, donde calles estrechas están flanqueadas por edificios de siglos de antigüedad, cafeterías bulliciosas y monumentos famosos. Para un visitante, el objetivo es sencillo: ver tanto como sea posible en un tiempo limitado. Para los planificadores urbanos, el desafío es más complejo. Deben asegurar que el flujo de personas no abrume puntos específicos, convirtiendo sitios queridos en cuellos de botella congestionados que arruinen la experiencia para todos y agoten a la comunidad local. Esta tensión se encuentra en el corazón de un nuevo estudio realizado en el centro histórico de Palma, en la isla española de Mallorca. Los investigadores se plantearon una pregunta fundamental: ¿podemos diseñar recorridos a pie que respeten el tiempo del visitante y que, al mismo tiempo, eviten las zonas más concurridas, todo ello sin sacrificar la comodidad de la caminata en sí? Para responder a esto, tuvieron que tender un puente entre dos mundos que rara vez dialogan: la realidad física detallada de las calles de una ciudad y los datos abstractos utilizados para gestionar el turismo.

El estudio se centra en tres capas distintas de la experiencia de caminar. La primera es el camino físico en sí: qué tan empinada es la calle, qué tan ancha es y si hay sombra de los árboles. Estos factores determinan qué tan agradable se siente una caminata. Segundo es la presión de la multitud, que los investigadores midieron de tres maneras diferentes: qué tan popular es un monumento específico, qué tan concurrido es el vecindario inmediato alrededor de ese monumento y qué tan ocupadas están las calles reales por las que un turista camina para llegar allí. Tercero es el rompecabezas de planificar la ruta en sí, lo que implica seleccionar una secuencia de paradas que se ajuste a un límite de tiempo establecido. Los investigadores construyeron un modelo digital de la red peatonal de Palma, incorporando datos reales sobre el ancho de las calles, la pendiente y la vegetación para calcular una puntuación de "caminabilidad" para cada segmento de calle individual. También mapearon de dónde vienen los turistas —como cruceros, estaciones de tren y hoteles— para estimar dónde se formarían las multitudes de forma natural.

Utilizando este mapa detallado, el equipo ejecutó una serie de simulaciones por computadora para generar itinerarios de caminata. Probaron diferentes escenarios, como dar a los turistas más tiempo para explorar, comenzar el recorrido desde un hotel en la periferia de la ciudad en lugar del centro, e intentar evitar las atracciones más concurridas. Los resultados revelaron un patrón claro: a medida que se les da más tiempo a los visitantes, pueden visitar más lugares, pero el valor adicional que obtienen por cada minuto adicional disminuye. Más importante aún, el estudio encontró que la calidad de la caminata y el nivel de congestión en las calles se mantuvieron sorprendentemente estables, independientemente de cuánto durara el recorrido. Ya fuera que un turista tuviera una hora o cuatro horas, las rutas elegidas por la computadora tendían a utilizar las mismas calles cómodas y bien conectadas. Esto sugiere que el simple hecho de dar más tiempo a las personas no las empuja automáticamente hacia entornos de caminata mejores o peores; el trazado de la ciudad las guía naturalmente hacia los mismos caminos eficientes.

Un descubrimiento clave de la investigación fue que la presión en un monumento específico no necesariamente predice la presión en las calles que conducen a él. Los investigadores encontraron que un sitio famoso puede estar muy concurrido, pero las calles a su alrededor podrían estar relativamente tranquilas, o viceversa, un sitio menos famoso podría estar rodeado de un embotellamiento de tráfico. Esto significa que los gestores de la ciudad no pueden asumir que evitar un monumento popular resolverá automáticamente los problemas de congestión en las carreteras de conexión. Cuando los investigadores programaron el sistema para saltarse las atracciones más concurridas, los recorridos visitaron con éxito sitios menos concurridos, pero la congestión general en las rutas de caminata cambió muy poco. Las multitudes seguían ahí, solo que distribuidas de manera diferente. Esto indica que la gestión del turismo requiere dos estrategias separadas: una para las atracciones en sí y otra para los corredores que las conectan.

El estudio también exploró cómo el punto de partida de un recorrido cambia la experiencia. Cuando los turistas comenzaban su caminata desde un hotel en la periferia del centro histórico, tenían que dedicar un tiempo valioso solo para llegar a los principales lugares de interés, lo que reducía la cantidad de lugares que podían ver. Sin embargo, los investigadores descubrieron que permitir que los turistas terminaran su caminata en cualquier lugar, en lugar de obligarlos a regresar a su punto de partida, recuperaba gran parte de ese tiempo perdido. Este simple cambio en las reglas del recorrido permitió a los visitantes ver significativamente más lugares, especialmente para aquellos que se alojaban fuera del núcleo de la ciudad. La investigación concluye que, si bien no podemos predecir perfectamente cómo se comportarán las personas reales sin la observación directa, este marco digital proporciona una herramienta poderosa para probar ideas. Demuestra que, al mantener separados la calidad física de la caminata y los diferentes tipos de presión de la multitud, los planificadores pueden diseñar recorridos que sean tanto placenteros para los visitantes como sostenibles para la ciudad, sin necesidad de depender de una única puntuación simplificada para tomar decisiones complejas.

Resumen Técnico: Un Servicio de Rutas Peatonales Consciente de la Presión para Espacios de Datos Turísticos

Planteamiento del Problema
Los espacios de datos turísticos ofrecen el potencial de hacer que los datos territoriales, de movilidad y de atracciones heterogéneos sean reutilizables; sin embargo, su valor operativo depende de servicios que traduzcan estos activos de datos en decisiones accionables. Los modelos de itinerarios operativos actuales enfrentan tres limitaciones primarias: (1) rara vez combinan un grafo peatonal detallado, controles de presión a nivel de atracción y evaluaciones explícitas del entorno peatonal de la ruta dentro de un único flujo de trabajo reproducible; (2) no logran cuantificar si dirigir a los visitantes hacia atracciones de menor presión reduce la exposición en los corredores utilizados para llegar a ellas; y (3) la investigación sobre los espacios de datos turísticos sigue siendo mayoritariamente arquitectónica, careciendo de servicios trabajados que especifiquen los activos de datos requeridos y demuestren su combinación práctica. El desafío central es formular el enrutamiento peatonal consciente de la presión como un servicio reutilizable que gestione la presión turística mientras evalúa explícitamente la caminabilidad, distinguiendo entre la presión a nivel de atracción (nodal), del entorno inmediato (zonal) y del nivel de corredor (trayectoria).

Metodología
El estudio desarrolla y prueba un servicio de optimización basado en SIG en el centro histórico de Palma de Mallorca, utilizando un flujo de cinco etapas: ensamblaje de datos de entrada, procesamiento SIG, optimización, análisis y exportación de salida.

Integración de Datos: El marco integra 10.182 segmentos de la red peatonal y 105 Puntos de Interés (POI). Las entradas se extraen de diversas fuentes mapeadas a las categorías de espacios de datos turísticos: datos territoriales/morfológicos (catastro, LiDAR, terreno), datos de movilidad (GTFS, aparcamientos, llegadas de puertos/ferrocarril), datos de alojamiento/demanda y un inventario curado de atracciones.
Índice de Caminabilidad: Se deriva un índice de caminabilidad ( $Q_{walk}$ ) basado en la morfología para cada segmento de la red utilizando cuatro descriptores: pendiente, verdor (LiDAR), anchura efectiva (catastro) y ratio de cañón urbano. Estos se transforman en penalizaciones parciales y se combinan mediante una media ponderada (con la pendiente con el mayor peso) para producir un índice continuo que oscila entre 0 y 1. Crucialmente, este índice se retiene como una métrica diagnóstica en lugar de un criterio de optimización para permitir la inspección independiente de la calidad de la ruta.
Modelado de Presión: La presión turística se modela en tres niveles distintos:
- Nodal: Puntuaciones de popularidad evaluadas por expertos (0–10) para POIs individuales.
- Zonal: Agregación espacial de la presión del segmento dentro de un radio de 150 m de cada POI.
- Trayectoria: Densidad de flujo a lo largo de los corredores reales utilizados por una ruta, calculada mediante un modelo de gravedad de flujo peatonal. Este modelo asume volúmenes de viajes diarios de ocho generadores de demanda (alojamiento, residentes, tránsito, aparcamientos, cruceros, ferrocarril) distribuidos hacia los POIs basados en la degradación por distancia y rutas de tiempo mínimo.
Modelo de Optimización: La generación de rutas se formula como un Problema de Orientación (OP) resuelto mediante Programación Lineal Entera Mixta (MILP). El objetivo es maximizar el valor turístico recolectado dentro de un presupuesto de tiempo ( $T_{max}$ ). El modelo emplea un enfoque lexicográfico de dos etapas: primero maximiza el valor, luego minimiza el tiempo de viaje para los empates. Soporta tanto rutas cerradas (regreso al origen) como rutas abiertas (punto final libre).
Estrategia de Filtrado: En lugar de incrustar la presión en una función de objetivo ponderada, el estudio aplica un "filtro de doble presión" como una regla de elegibilidad previa al resolvedor. Los POIs que exceden un umbral específico de presión nodal o zonal son excluidos del conjunto de candidatos antes de la optimación.

Resultados Clave
Se realizaron cuatro experimentos para probar hipótesis relativas a presupuestos de tiempo, filtrado de presión y estructura de rutas:

Sensibilidad al Presupuesto de Tiempo: El valor turístico aumenta monótonamente con el presupuesto de tiempo, pero presenta rendimientos decrecientes. Sin embargo, la caminabilidad de la ruta ( $\langle Q \rangle$ ) y la presión de la trayectoria ( $\langle P \rangle$ ) permanecen mayoritariamente invariantes a través de diferentes presupuestos de tiempo (media $\langle Q \rangle \approx 0.712$ , $\langle P \rangle \approx 0.838$ ). Aumentar el tiempo permite más atracciones, pero no altera significativamente el entorno peatonal atravesado bajo el enrutamiento de tiempo mínimo.
Filtrado de Presión: Aplicar umbrales estrictos para filtrar POIs de alta presión reduce sustancialmente la presión nodal media de las atracciones visitadas (una reducción del 39.2% con el umbral más estricto). Sin embargo, esto tiene un efecto insignificante y no monotónico en la presión de la trayectoria (solo una reducción del 3.7%). Esto indica que el filtrado a nivel de atracción no reduce proporcionalmente la exposición en los corredores.
Presión Nodal vs. Zonal: El análisis estadístico revela una correlación de rango débil y no significativa entre la presión nodal y la zonal (Spearman $\rho = -0.148, p = 0.133$ ). Por consiguiente, estas métricas no deben tratarse como intercambiables.
Origen y Estructura: Un origen periférico (por ejemplo, un hotel fuera del núcleo) reduce el valor turístico recolectado en comparación con un origen central, particularmente para temas concentrados en el núcleo monumental. Permitir una estructura de ruta abierta (punto final libre) recupera una parte significativa de este valor perdido, aunque la diversidad temática se mantiene preservada.
Robustez Temática: Las rutas de temas amplios (por ejemplo, "Panorámica") demuestran mayor robustez bajo el filtrado de presión, sustituyendo los POIs excluidos por alternativas. Los temas estrechos (por ejemplo, "Ruta del Arte") se contraen bruscamente cuando se aplican restricciones de presión, dejando a veces insuficientes candidatos para formar un itinerario viable.

Significancia y Reivindicaciones
El artículo se posiciona no como el despliegue de un espacio de datos en vivo o un nuevo algoritmo para el Problema de Orientación, sino como una especificación de servicio reproducible y reutilizable y una demostración de los activos de datos trans-dominio necesarios para tal servicio.

Contribución Metodológica: El estudio demuestra que el enrutamiento consciente de la presión puede desacoplarse de los diagnósticos de caminabilidad, permitiendo a los gestores inspeccionar cómo los controles a nivel de atracción se relacionan con la calidad del corredor de forma independiente. Argumenta que tratar la presión nodal y la zonal como intercambiables es metodológicamente erróneo y que la gestión a nivel de atracción y la gestión a nivel de corredor actúan en diferentes escalas espaciales.
Contribución al Espacio de Datos: El trabajo proporciona un inventario concreto de activos de datos (catastro, LiDAR, movilidad, alojamiento) necesarios para un servicio de itinerarios peatonales, mapeándolos a las categorías esperadas en un Espacio de Datos Turísticos Europeo. Ilustra cómo tal servicio podría operar sobre datos gobernados e interoperables sin requerir un único repositorio central.
Limitaciones: Los autores declaran explícitamente que los valores de los POI, los tiempos de visita y las puntuaciones de presión son entradas prototipo basadas en el conocimiento experto en lugar de datos de visitantes calibrados. Por lo tanto, las magnitudes reportadas caracterizan el comportamiento del modelo bajo condiciones controladas en lugar de las respuestas observadas de los visitantes en Palma. El estudio sirve como una prueba de concepto para una capa analítica, señalando que el despliegue operativo requiere una mayor calibración frente a la demanda observada y pruebas de los mecanismos de interoperabilidad.

Más como este