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

Este estudo propõe um quadro baseado em IA que integra dados multimodais de mídia social para decodificar a percepção turística em bairros históricos de Xangai, revelando lacunas entre a realidade física e a representação visual online para orientar o planejamento urbano e a gestão do patrimônio.

O essencial

Imagine que você é um chef de cozinha tentando entender o que seus clientes realmente acham do seu restaurante. Você poderia sentar com eles e perguntar (como fazem as pesquisas tradicionais), mas isso é demorado e nem todo mundo responde.

Este artigo é como uma super-ferramenta de inteligência artificial que "lê" as fotos e os comentários que os turistas postam no celular (como no TripAdvisor ou Dianping, na China) para descobrir o que eles realmente veem, sentem e criticam em bairros históricos.

Aqui está a explicação, passo a passo, usando analogias do dia a dia:

1. O Grande Mistério: O que os turistas realmente veem?

Os planejadores de cidades muitas vezes não sabem o que chama a atenção dos visitantes. Será que eles notam a arquitetura antiga? As árvores? As lojas? Ou apenas a multidão?

• A Analogia: Imagine que a cidade é um palco e os turistas são o público. A IA deste estudo funciona como uma câmera de raio-X que analisa milhares de fotos tiradas por turistas. Ela descobre exatamente para onde o olhar das pessoas está focado.
• O que eles descobriram: Em bairros históricos de Xangai, os turistas fotografam muito os prédios antigos e as árvores (o "cenário"), mas também focam muito em arte de rua e comida. Em lugares muito movimentados, como a orla do rio, as pessoas aparecem mais nas fotos do que as árvores.

2. A "Filtro do Instagram" vs. A Realidade

Aqui está uma das descobertas mais interessantes. Os turistas não apenas tiram fotos; eles as editam.

• A Analogia: Pense na cidade real como uma casa com paredes bege e amarelas (cores quentes e terrosas). Mas, quando os turistas tiram a foto e postam no Instagram, eles usam filtros que deixam a imagem mais azulada, mais fria e mais "vibrante".
• O que o estudo diz: A IA comparou as fotos dos turistas com fotos "reais" tiradas de carros de rua (sem filtros). Descobriu-se que, nas redes sociais, as cores são mais frias (azuis e verdes) do que na realidade. É como se os turistas quisessem que o bairro parecesse um "sonho azul" na internet, mesmo que, no chão, seja um lugar de tons terrosos e quentes. Isso cria uma lacuna entre a expectativa e a realidade.

3. O "Termômetro" de 4 Sentimentos

O estudo não olha apenas para as fotos; ele lê os comentários de texto para entender a satisfação. Mas, em vez de apenas dizer "o turista gostou ou não", a IA divide o sentimento em 4 categorias, como se fosse um termômetro com 4 medidores diferentes:

1. Atividades: "Fui ao passeio, foi divertido?"
2. O Cenário (Edifícios): "A rua é bonita? O prédio é histórico?"
3. Serviços: "O banheiro estava limpo? Havia bancos para sentar?"
4. Comércio: "As lojas são legais ou muito comerciais e caras?"

• A Analogia: Imagine que você vai a um parque. Você pode amar a beleza das árvores (Cenário), mas odiar que o banheiro está sujo (Serviços) e que as barracas de comida são muito caras (Comércio). A IA consegue separar esses sentimentos. Ela descobre que, às vezes, o turista ama a arquitetura, mas fica furioso com a falta de banheiros ou com os preços altos.

4. Por que isso importa? (O "Para que serve?")

Os planejadores de cidades usam essas informações como um mapa de tesouro.

• Se a IA diz que as pessoas amam as árvores, mas odeiam a falta de sombra, o prefeito sabe onde plantar mais árvores.
• Se as pessoas postam fotos muito azuis (frias) mas a cidade é amarela (quente), os designers podem pensar: "Será que precisamos mudar a iluminação ou a cor das fachadas para combinar com o que as pessoas esperam ver?"
• Se as críticas são todas sobre "muita gente" e "lojas de souvenirs", a cidade pode tentar criar mais espaços para caminhar e menos lojas.

Resumo Final

Este estudo é como dar superpoderes de leitura aos gestores de cidades. Em vez de adivinhar o que os turistas pensam, eles usam Inteligência Artificial para:

1. Ver o que os turistas fotografam (atenção).
2. Comparar como eles mostram o lugar (representação/filtros) com como o lugar realmente é.
3. Entender o que eles sentem sobre cada parte da experiência (satisfação).

É uma maneira inteligente de usar a tecnologia para fazer cidades históricas serem mais bonitas, funcionais e agradáveis tanto para quem mora quanto para quem visita.

Resumo técnico

1. Problema de Pesquisa

Os bairros urbanos históricos são cada vez mais moldados pelo turismo e pelo consumo de estilo de vida, criando uma tensão para planejadores urbanos: como proteger o caráter patrimonial enquanto se mantém a qualidade da experiência para visitantes e residentes?
Estudos convencionais sobre percepção turística (inquéritos, entrevistas) sofrem de limitações de escala, atraso na reportagem e subjetividade. Embora existam grandes volumes de Conteúdo Gerado pelo Usuário (UGC) em plataformas como o Dianping (China), a literatura atual tende a analisar imagens e textos de forma isolada. Há uma lacuna em conectar o que os turistas notam visualmente (atenção), como eles representam o local (estética/curadoria) e como eles avaliam a experiência (satisfação), especialmente no contexto específico de bairros históricos onde a "autenticidade" e a atmosfera são cruciais.

2. Metodologia

O estudo propõe um framework baseado em IA multimodal que integra três módulos principais, aplicado a 12 bairros históricos e culturais em Xangai.

A. Coleta e Preparação de Dados

• Fontes: Dados extraídos do aplicativo Dianping (fotos georreferenciadas e textos de avaliação) e imagens de rua do Baidu Maps (como linha de base da realidade física).
• Volume: 32.949 avaliações únicas e 168.137 fotos. Um subconjunto balanceado de 20.968 fotos foi selecionado para análise visual.
• Pré-processamento: Limpeza de duplicatas, alinhamento temporal das imagens de rua com o ano médio das postagens e definição de pontos de interesse.

B. Módulo 1: Detecção de Foco Visual (Segmentação Semântica)

• Objetivo: Quantificar quais elementos da paisagem urbana são destacados nas fotos dos turistas.
• Modelo: Utilização do modelo DeepLabV3+ com backbone MobileNetV2, escolhido após comparação com outros modelos (SegFormer, Mask2Former, etc.) por seu equilíbrio entre precisão e eficiência computacional.
• Treinamento: Um conjunto de dados foi criado anotando manualmente 1.000 fotos e refinando com o modelo SAM (Segment Anything Model) para expandir o dataset. A taxonomia final foi reduzida para 22 categorias (ex: edifícios, árvores, arte, pessoas, veículos).
• Técnica: Uso de pesos de classe na função de perda para lidar com desequilíbrio de dados (classes raras como fontes ou vendedores).

C. Módulo 2: Análise de Preferência Estética (Composição de Cor)

• Objetivo: Comparar a paleta de cores das fotos dos turistas com a realidade física (imagens de rua) para identificar lacunas de percepção.
• Processo:
  1. Conversão de RGB para HSV e correção de balanço de branco (algoritmo Gray World).
  2. Agrupamento de cores usando K-means para extrair as 5 cores dominantes.
  3. Classificação baseada no sistema de cores chinês.
  4. Cálculo da Divergência de Kolmogorov-Smirnov (K-S) para medir a diferença estatística entre as distribuições de matiz (hue) das fotos sociais e das imagens de rua.

D. Módulo 3: Avaliação de Satisfação (Análise de Sentimento Multidimensional)

• Objetivo: Avaliar a satisfação do turista em quatro dimensões específicas:
  1. Atividades Turísticas.
  2. Ambiente Construído (paisagem urbana/patrimônio).
  3. Instalações de Serviço (acessibilidade, conforto).
  4. Formatos Comerciais (oferta de varejo/consumo).
• Modelo: Um modelo BERT (Bidirectional Encoder Representations from Transformers) de múltiplas tarefas, treinado para prever polaridade de sentimento (-1, 0, 1) para cada uma das quatro dimensões simultaneamente.
• Validação: Comparação com métodos baseados em léxico e validação manual de amostras.

3. Principais Contribuições

1. Framework Integrado: Desenvolvimento de uma cadeia analítica que conecta explicitamente atenção visual, representação estética e avaliação de satisfação, superando a análise isolada de dados multimodais.
2. Taxonomia e Pipeline Específicos: Criação de uma taxonomia semântica e um pipeline de segmentação adaptados especificamente para imagens de turistas em ambientes de ruas históricas, permitindo medição granular do que é destacado.
3. Comparação Percepção-Realidade: Introdução de uma metodologia para comparar a composição cromática das redes sociais com a realidade física (street view), oferecendo indicadores interpretáveis para diagnosticar "lacunas estéticas" e relacioná-las à satisfação.

4. Resultados Chave

• Foco Visual: A segmentação semântica confirmou que os turistas destacam consistentemente elementos-chave: edifícios (19,12% dos pixels), árvores (10,80%) e obras de arte. Bairros diferentes mostram perfis visuais distintos (ex: áreas comerciais têm mais veículos; áreas culturais têm mais arte; o Bund tem mais pessoas e menos verde).
• Gap de Cor (Percepção vs. Realidade):
  • As fotos das redes sociais tendem a exibir tons mais frios (azuis, verdes, saturação aumentada) em comparação com as imagens de rua, que são dominadas por tons quentes (bege, ocre, laranja-amarelo) típicos das fachadas reais.
  • Isso indica um viés de curadoria onde os turistas ajustam as imagens para atender a estéticas de plataforma, criando uma "expectativa estética" que difere da realidade física.
• Satisfação Multidimensional:
  • O modelo BERT demonstrou alta capacidade de capturar nuances.
  • A insatisfação tende a se concentrar em instalações de serviço (ex: filas de banheiros, falta de assentos) e formatos comerciais (ex: preços altos, excesso de comercialização), mesmo quando o ambiente construído é avaliado positivamente.
  • Exemplo: Em um caso, o ambiente foi avaliado como positivo, mas as instalações de serviço como negativas devido a longas filas.

5. Significado e Implicações

• Para o Planejamento Urbano e Gestão de Patrimônio: O framework oferece indicadores acionáveis. Métricas de foco visual podem orientar estratégias de manutenção e paisagismo. As lacunas de cor podem sinalizar onde a iluminação ou renovação de fachadas não correspondem às expectativas dos visitantes.
• Diagnóstico Preciso: A análise por dimensões permite identificar problemas específicos (ex: "o local é bonito, mas os banheiros são ruins") em vez de depender de uma pontuação geral de satisfação.
• Transferibilidade: Embora o estudo seja um caso exploratório em Xangai, o framework é projetado para ser adaptável a outros bairros históricos, desde que a taxonomia semântica e as dimensões de satisfação sejam recalibradas para o contexto local.
• Limitações: O estudo reconhece viéses demográficos no UGC, variações de dispositivos de captura de imagem e a dependência de rotulagem automática de sentimentos, sugerindo que trabalhos futuros devem integrar dados de mobilidade e validação humana mais robusta.

Em suma, o estudo demonstra como técnicas de IA (visão computacional e processamento de linguagem natural) podem transformar grandes volumes de dados digitais em evidências planejáveis para sustentar tanto o significado cultural quanto a habitabilidade diária de bairros urbanos históricos.