Decoding Tourist Perception in Historic Urban Quarters with Multimodal Social Media Data: An AI-Based Framework and Evidence from Shanghai

Questo studio propone un framework basato sull'intelligenza artificiale che utilizza dati multimodali dai social media per analizzare e decodificare la percezione dei turisti nei quartieri storici di Shanghai, rivelando discrepanze tra l'immagine condivisa online e la realtà fisica del luogo per supportare una migliore gestione del patrimonio e la progettazione urbana.

L'essenziale

Immagina di voler capire cosa pensano davvero i turisti quando visitano un quartiere storico antico, come il centro di Shanghai. Tradizionalmente, per saperlo, gli urbanisti dovevano fermare le persone per strada, fare interviste lunghe e aspettare che rispondessero. È un po' come cercare di capire il gusto di una torta assaggiando solo un piccolo pezzo alla volta: lento e non sempre rappresentativo.

Questo studio propone un modo nuovo, veloce e intelligente, usando l'Intelligenza Artificiale (AI) come un detective digitale che legge milioni di "indizi" lasciati dai turisti sui social media.

Ecco come funziona, spiegato con delle metafore semplici:

1. Il Detective che guarda cosa "inquadrano" le fotocamere

Immagina che ogni turista sia un regista che decide cosa mettere nel suo filmato. L'AI analizza milioni di foto scattate dai turisti e chiede: "Cosa hanno messo al centro dell'immagine?".

• La scoperta: L'AI ha scoperto che i turisti tendono a "zoomare" su cose specifiche: vecchi edifici, alberi, opere d'arte e persone. È come se avessero un filtro mentale che dice: "Questo è bello, scatta qui!".
• L'utilità: Questo aiuta i pianificatori a capire quali elementi del quartiere sono i "protagonisti" dell'esperienza turistica. Se tutti fotografano gli alberi, forse è lì che bisogna investire per rendere il posto più verde e accogliente.

2. La "Fotografia Instagram" vs. La "Realtà"

Qui entra in gioco una metafora molto divertente: il filtro di bellezza.
Spesso, quando guardiamo una foto su Instagram, i colori sembrano più vivaci, più freddi (bluastri) o più saturi rispetto alla realtà.

• L'esperimento: Gli scienziati hanno confrontato le foto dei turisti con le immagini reali delle strade (prese da mappe satellitari, come se fossero una "fotografia della realtà" senza filtri).
• La scoperta: Hanno notato che sui social media le facciate degli edifici sembrano spesso più "fredde" e curate, mentre nella realtà sono più "calde" (color sabbia, arancione). È come se i turisti, consciamente o no, volessero che il quartiere sembrasse più magico e cinematografico di quanto non sia realmente.
• L'utilità: Questo rivela un "divario". A volte ciò che i turisti si aspettano (la foto perfetta) non corrisponde a ciò che vedono camminando per strada. I gestori del patrimonio possono usare questa informazione per capire se devono cambiare l'illuminazione o i colori degli edifici per soddisfare le aspettative dei visitatori.

3. L'Analista del Sentimento (Il "Traduttore" delle lamentele)

Oltre alle foto, l'AI legge le recensioni scritte. Ma non le legge tutte insieme: le divide in quattro categorie, come se fosse un chef che assaggia un piatto e valuta separatamente gli ingredienti, il servizio, il prezzo e l'atmosfera.
Le quattro categorie sono:

1. Le attività: C'è qualcosa da fare? È divertente?
2. L'ambiente costruito: Gli edifici sono belli? È pulito?
3. I servizi: Ci sono bagni? Sedie? È facile muoversi?
4. I negozi: I prezzi sono giusti? I negozi sono interessanti o troppo commerciali?

• La scoperta: L'AI riesce a capire che un turista può dire "L'edificio è bellissimo" (punteggio alto per l'ambiente) ma "I bagni sono terribili e i prezzi sono alti" (punteggio basso per i servizi e i negozi).
• L'utilità: Invece di dire semplicemente "Il posto piace" o "Non piace", questo sistema dice esattamente dove c'è il problema. Se tutti si lamentano dei servizi, il comune sa che deve costruire più bagni, non che deve dipingere gli edifici.

In sintesi: Perché è importante?

Immagina di dover gestire un museo storico. Prima, dovevi indovinare cosa piaceva ai visitatori. Ora, con questo sistema, hai una mappa termica digitale che ti mostra:

• Cosa i turisti guardano con più attenzione.
• Come la loro "versione Instagram" del luogo differisce dalla realtà.
• Esattamente cosa li fa arrabbiare o sorridere.

È come avere una bussola che non indica solo il Nord, ma ti dice anche: "Ehi, qui c'è un buco nel pavimento (servizi), lì c'è un quadro bellissimo (architettura) e la luce è un po' sbagliata (colori)". Questo aiuta a trasformare i quartieri storici in posti dove sia i turisti che i residenti locali possono vivere felici, mantenendo viva la magia del luogo senza perdere la sua autenticità.

Sommario tecnico

Titolo: Decodifica della Percezione Turistica nei Quartieri Urbani Storici con Dati Social Media Multimodali: Un Framework Basato sull'IA ed Evidenze da Shanghai

1. Il Problema

I quartieri urbani storici sono sempre più plasmati dal turismo e dal consumo di stili di vita, ma i pianificatori urbani spesso mancano di prove scalabili su ciò che i visitatori notano, preferiscono e criticano in questi ambienti.
Le sfide principali identificate includono:

• Limiti degli studi tradizionali: I metodi convenzionali (sondaggi, interviste, osservazioni in loco) offrono approfondimenti ricchi ma non sono scalabili e soffrono di ritardi nella segnalazione e soggettività dei rispondenti.
• Frammentazione nell'analisi dei dati: La ricerca esistente sui contenuti generati dagli utenti (UGC) tende a trattare immagini e testi in isolamento, senza collegare ciò che è visivamente in primo piano con le valutazioni narrative successive.
• Mancanza di integrazione contestuale: Gli studi computazionali sulle immagini urbane spesso si concentrano su metriche formali (es. armonia delle facciate) senza chiarire come questi segnali misurabili si relazionino ai giudizi valutativi nel contesto del patrimonio culturale.
• Divario tra percezione e realtà: Esiste una necessità di comprendere il divario tra l'output visivo "sul posto" e le aspettative estetiche dei turisti espresse attraverso rappresentazioni selettive sui social media.

2. Metodologia

Lo studio propone un framework multimodale basato sull'intelligenza artificiale, testato su 12 quartieri storici di Shanghai (es. The Bund, Yuyuan Road, Wukang Road), che integra tre moduli principali:

A. Raccolta e Preparazione dei Dati

• Fonti: Foto georeferenziate e recensioni testuali estratte dall'app cinese Dianping (periodo: settembre 2018 - ottobre 2024). Sono stati selezionati 20.968 foto rappresentative e 32.949 recensioni uniche.
• Baseline: Immagini di "street view" recuperate da Baidu Maps per creare una baseline visiva reale del colore e della composizione delle strade.
• Dataset di addestramento: Creazione di un dataset per la segmentazione semantica annotando manualmente 1.000 foto e utilizzando il modello pre-addestrato SAM (Segment Anything Model) per accelerare il processo, portando a un set finale di 22 categorie visive.

B. Modulo 1: Rilevamento dell'Attenzione Visiva (Segmentazione Semantica)

• È stato utilizzato il modello DeepLabV3+ con backbone MobileNetV2, scelto dopo una valutazione comparativa di diversi modelli SOTA (SegFormer, Mask2Former, ecc.).
• Per gestire lo sbilanciamento delle classi (alcuni elementi come fontane o animali sono rari), sono state applicate pesi di classe nella funzione di perdita (loss function).
• Il modello quantifica la proporzione di pixel per ogni categoria semantica (edifici, alberi, persone, opere d'arte, ecc.) nelle foto turistiche.

C. Modulo 2: Analisi delle Preferenze Estetiche (Confronto Cromatico)

• Estrazione del colore: Trasformazione RGB-HSV, correzione del bilanciamento del bianco (algoritmo Gray World) e clustering K-means per identificare le palette di colori dominanti.
• Classificazione: I colori sono classificati secondo il sistema cromatico cinese.
• Confronto: Viene calcolata la divergenza Kolmogorov-Smirnov (K-S) per confrontare la distribuzione dei toni di colore (hue) tra le foto dei social media e le immagini di street view, identificando eventuali discrepanze tra rappresentazione e realtà.

D. Modulo 3: Valutazione della Soddisfazione (Analisi del Sentiment)

• Dimensioni: La soddisfazione è analizzata lungo quattro dimensioni chiave: Attività Turistiche, Ambiente Costruito, Servizi di Supporto e Offerte Commerciali.
• Modellazione: È stato addestrato un modello Multi-task BERT (basato su BERT-base-Chinese) con quattro testine di classificazione indipendenti per prevedere il sentiment (-1 negativo, 0 neutro, 1 positivo) per ciascuna dimensione.
• Validazione: I risultati sono stati confrontati con metodi basati su lessico e valutazioni umane per garantire coerenza.

3. Risultati Chiave

• Attenzione Visiva: La segmentazione semantica ha rivelato che gli elementi in primo piano variano in base alla funzione del quartiere. Le aree commerciali ricreative (es. Hengshan Road) sono dominate da verde e edifici storici, mentre le zone ad alto traffico pedonale (es. The Bund) mostrano una predominanza di persone rispetto agli alberi. Le aree artistiche (es. Tian'ai Road) presentano una percentuale significativamente più alta di opere d'arte.
• Divario Cromatico (Percezione vs. Realtà): È emersa una discrepanza sistematica nella composizione del colore. Le foto dei social media tendono a enfatizzare toni freddi (blu, verde, H ≈ 60-120), mentre le immagini di street view mostrano una maggiore presenza di toni caldi (arancione, giallo, H ≈ 10-30). Questo suggerisce che i turisti curano le immagini per adattarsi a un'estetica di piattaforma (filtri, elaborazione HDR), creando un "bias di rappresentazione".
• Analisi della Soddisfazione: Il modello BERT ha dimostrato alta capacità nel distinguere le critiche specifiche. Ad esempio, è stato in grado di identificare la soddisfazione per le attività (es. festival delle lanterne) mentre esprimeva insoddisfazione per i servizi (code per i bagni) o per la commercializzazione eccessiva (prezzi alti, scarsa autenticità), anche all'interno della stessa recensione.
• Correlazione Spaziale: I quartieri con funzioni simili (es. strade adiacenti nello stesso blocco storico) mostrano distribuzioni di colore molto simili (bassa divergenza K-S), mentre aree con caratteristiche funzionali diverse (es. zone chiuse vs. lungofiume) mostrano divergenze significative.

4. Contributi Principali

1. Framework Multimodale Integrato: Lo studio sviluppa un approccio che collega esplicitamente tre stadi della percezione: attenzione (cosa viene fotografato), rappresentazione (come viene alterato/curato visivamente) e valutazione (cosa viene detto nelle recensioni).
2. Tassonomia Semantica Applicata: Viene introdotta una tassonomia e una pipeline di segmentazione semantica specifica per le immagini turistiche in ambienti storici, permettendo una misurazione granulare degli elementi visivi in primo piano.
3. Diagnosi del Divario Estetico: Introduce un metodo comparativo tra la composizione cromatica dei social media e le baseline di street view, offrendo un indicatore interpretabile per diagnosticare disallineamenti estetici e correlarli con segnali di soddisfazione specifici per dimensione.

5. Significato e Implicazioni

• Per la Pianificazione Urbana e la Gestione del Patrimonio: Il framework fornisce indicatori scalabili e interpretabili per supportare decisioni di progettazione orientate al visitatore. Ad esempio, la discrepanza cromatica può segnalare la necessità di interventi sull'illuminazione o sul restauro delle facciate per allineare la realtà fisica alle aspettative dei visitatori.
• Gestione della Soddisfazione: La scomposizione della soddisfazione in quattro dimensioni permette ai gestori di identificare aree critiche specifiche (es. servizi igienici, affollamento, offerta commerciale) senza dover fare affidamento solo su sondaggi costosi.
• Validazione Teorica: Lo studio conferma che la percezione turistica non è un risultato singolo, ma un processo legato che attraversa l'attenzione, la rappresentazione e la valutazione, validando l'uso di dati digitali su larga scala per la ricerca sul turismo e l'urbanistica.
• Trasferibilità: Sebbene il caso studio sia Shanghai, il framework è progettato per essere adattabile ad altri quartieri storici e contesti urbani, purché vengano adattate la tassonomia semantica e le dimensioni di soddisfazione al contesto locale.

In sintesi, questo studio dimostra come le tecniche di IA possano trasformare le tracce digitali su larga scala in prove concrete per la pianificazione, aiutando a bilanciare la conservazione del patrimonio con la qualità dell'esperienza turistica.