Förstå hur destinationsegenskaper formar turistbesök på kulturleder genom sociala medier-data och tolkbar maskininlärning

Varför pilgrimsvägarna fortfarande spelar roll i dag

Kulturleder som Japans urgamla Kumano Kodo vandrades förr av kejsare och munkar; i dag vandras de också av turister med smarttelefoner i handen. Denna studie ställer en praktisk fråga med stora implikationer för kulturarv och turism: inte varför människor säger att de vill resa, utan hur de konkreta egenskaperna hos platser längs en led faktiskt formar var besökare går. Genom att utvinna tusentals geotaggade sociala medieinlägg och använda transparenta maskininlärningsverktyg visar författarna hur helgedomar, landskap, butiker, logi och bussar samverkar för att skapa den moderna geografien av pilgrimsfärd.

Följa digitala fotspår längs en gammal väg

I stället för att förlita sig på enkäter och minnen vände sig forskarna till de spår människor lämnar online när de reser. De samlade 24 569 geotaggade Flickr-foton tagna mellan 2010 och 2025 i det vidsträckta Kumano Kodo-området. Efter noggrann filtrering för att sålla bort sannolika lokalbor och vardagsscener behandlades varje kvarvarande foto som ett konkret besök i tid och rum. För att kontrollera om denna digitala folksamling verkligen följde turiststråken jämförde teamet deras punkter med oberoende data från Google Maps och TripAdvisor. Flickr-besöken klustrade starkt kring kända attraktioner, vilket tyder på att inlägg i sociala medier ger en realistisk bild av var besökare faktiskt spenderar tid.

Vad besökare uppmärksammar längs vägen

Nästa steg var att förstå vilka slags platser som betyder mest längs denna historiska led. Författarna analyserade de ord människor använde i sina Flickr-titlar, taggar och beskrivningar, översatte och rengjorde texten och använde sedan ämnesmodellering för att hitta återkommande teman. Från dessa teman destillerade de 17 typer av destinationsattribut, grupperade i fyra breda familjer: kulturella och arvsmässiga resurser som helgedomar och traditionella byggnader; naturliga miljöer inklusive kustlinjer, floder och skogar; turist- och fritidstjänster såsom logi, varma källor, restauranger och butiker; samt reseinfrastruktur som vägar, järnvägar, stationer och parkeringsområden. De kopplade sedan varje typ till detaljerade geografiska data — kartor över tempel, järnvägslinjer, sluttningar, vegetation med mera — så att de kunde studera hur dessa attribut stämmer överens med verkliga besöksmönster.

Lära en modell att läsa landskapet

För att relatera dessa många lager till var människor faktiskt gick delade forskarna in regionen i ett rutnät med en kilometers rutor. För varje ruta sammanfattade de hur nära den låg till varje slags attraktion eller anläggning, och hur stark varje naturligt inslag var där. Dessa siffror blev modellens indata; det observerade antalet Flickr-besök blev utdata att förklara. De jämförde flera maskininlärningsmetoder och fann att en random forest-modell, som använde distansbaserade mått för varje attribut, bäst reproducerade de observerade besöksmönstren. Viktigt är att de sedan ”öppnade den svarta lådan” med tolkbara verktyg som visar hur varje faktor skjuter den förväntade besöksfrekvensen upp eller ner, både ensam och i kombination.

Hur helgedomar, tjänster och gator samverkar

Resultaten visar att hotspots längs leden sällan drivs av en enskild attraktion. Kulturella och arvmässiga platser — religiösa platser, traditionella gator, monument och museer — fungerar som de viktigaste magneterna: ju närmare en rutan ligger dessa platser, desto fler besök tenderar den att få. Dessa magneter förstärks dock starkt av närliggande tjänster och enkel tillgänglighet. Områden med logi, varma källor, restauranger och köpkluster, knutna till järnvägslinjer, stationer, vägar och parkeringsplatser, lockar långt fler besökare än isolerade helgedomar på svårtillgängliga platser. Naturliga inslag som berg, floder och tät vegetation spelar en mera subtil roll och utgör den bakgrund som kan förstärka eller dämpa dessa mönster snarare än att driva dem direkt. Balansen mellan dessa ingredienser skiftar också med årstider, färdsätt och besökartyper: till exempel lutar vinterbesökare mer mot inomhusattraktioner och transportnav, medan vandrare till fots dras mot natursköna sträckor som stöds av grundläggande kollektivtrafik.

Omsätta insikt till bättre leder

För icke-specialister är huvudpoängen att framgångsrika kulturleder fungerar mindre som enstaka monument och mer som levande nätverk. Denna studie visar att människor dras till platser där meningsfulla kulturarvsplatser vävs samman med enkla bekvämligheter och pålitlig tillgång, allt inramat av ett karaktäristiskt landskap. Genom att kvantifiera dessa samband med verkligt beteende i stället för bara uttalade motiv ger författarna ett praktiskt recept som kan anpassas till andra historiska leder världen över. Att stärka kulturella ankare, samordna tjänster och transporter runt dem och anpassa förvaltningen efter olika årstider och resenärstyper kan hjälpa till att hålla forntida stigar både gångbara och meningsfulla i det tjugoförsta århundradet.

Citering: Lin, X., Teng, X., Shen, Z. et al. Understanding how destination attributes shaping tourist visitation on cultural routes through social media data and interpretable machine learning. npj Herit. Sci. 14, 197 (2026). https://doi.org/10.1038/s40494-026-02427-5

Nyckelord: kulturleder, turismmönster, data från sociala medier, kulturarvshantering, maskininlärning