Bezoekersstromen voorspellen: onderzoek DDL uitgelicht

Voorspelmodellen bieden potentie om bezoekersstromen van verblijfs- en dagbezoekers op nationaal, regionaal en lokaal niveau beter in kaart te brengen en toerismedrukte te voorspellen. Dit kan beleidsmakers helpen bij het sturen naar een bewuste, duurzame bestemming die rekening houdt met de draagkracht van het gebied. Hoewel een effectief voorspelmodel nog ontbreekt, heeft het DDL ook verkend of zulke modellen ontwikkeld kunnen worden om deze inzichten te bieden.

Literatuurstudie: overzicht modellen en methoden

De eerste studie richtte zich op het verkrijgen van een stevig theoretisch fundament. Een brede verkenning werd uitgevoerd om inzicht te krijgen in:

De literatuurstudie resulteerde in een keuzematrix, waarmee onderzoekers modellen en methoden kunnen selecteren op basis van hun specifieke behoeften. Deze studie biedt een uitgebreid overzicht voor onderzoekers die meer willen leren over modelontwikkeling, maar nog geen expert zijn.

Experimenten: databronnen en voorspelmodellen getest

De tweede studie bestond uit experimenten waarbij verschillende databronnen en voorspelmodellen in de praktijk werden getest. Er werden drie databronnen onderzocht:

De experimenten werden uitgevoerd om te bepalen of de in de literatuur beschreven modellen daadwerkelijk bruikbaar zijn in de praktijk.

Belangrijkste bevindingen uit de experimenten

De experimenten toonden zowel de mogelijkheden als de beperkingen van verschillende databronnen en modellen. Vijf bevindingen op een rij:

• Google Trends

Deze databron bleek ongeschikt vanwege het ontbreken van absolute cijfers en de focus op historische trends.

• Tijdreeksen (time series)

Modellen gebaseerd op historische tijdreeksen waren minder succesvol door beperkte data en het ontbreken van voldoende seizoensinvloeden.

• Regressiemodellen

Deze modellen presteerden beter. Met name het combineren van variabelen zoals weersomstandigheden, evenementen en vakanties leidde tot betere resultaten.

• Complexiteit versus eenvoud

Complexe modellen boden geen garantie op betere resultaten. Het is vaak effectiever om met eenvoudige modellen te werken, zeker bij de communicatie naar stakeholders.

• Corona-effecten

De pandemie veroorzaakte ruis in de data. De ‘Oxford Stringency Index’ biedt een oplossing om voor deze verstoringen te corrigeren.

Het onderzoek van het DDL, bestaande uit een literatuurstudie en praktische experimenten, toont aan dat voorspelmodellen een veelbelovende methode zijn om toeristische drukte te begrijpen en te voorspellen. Hoewel er nog geen universeel toepasbaar model bestaat, bieden de bevindingen een goede basis voor vervolgonderzoek. Het combineren van verschillende databronnen en modellen lijkt de meest kansrijke aanpak.