Aplicação da Engenharia do Conhecimento na predição do fluxo e perfil turístico decorrente do modal rodoviário

Abstract

O Brasil possui um mercado interno de mais de 200 milhões de habitantes que exploram os atrativos de seu próprio país. Diante desse cenário, torna-se essencial produzir conhecimento capaz de apoiar a compreensão do fluxo turístico e orientar políticas públicas voltadas às necessidades decorrentes desses deslocamentos, marcados por sazonalidade e forte dependência do modal rodoviário. Assim, este estudo tem como objetivo desenvolver uma proposta de estruturação analítica que auxilie a prospecção do fluxo turístico terrestre. Especificamente, busca-se: descrever o funcionamento do Sistema BRAVO e seus mecanismos de coleta e processamento dos dados veiculares; identificar e analisar abordagens de predição aplicáveis ao turismo interno realizado por meio do modal rodoviário; derivar atributos e indicadores capazes de identificar ciclos de visita e padrões de deslocamento a partir das leituras ALPR; modelar a interoperabilidade entre bases institucionais relevantes para compor um ecossistema de conhecimento alinhado aos princípios dos Destinos Turísticos Inteligentes; e estruturar uma ontologia e um Grafo do Conhecimento representativos do domínio do fluxo turístico rodoviário, aptos a apoiar inferências automáticas sobre visitantes, permanências, recorrências e características correlatas. Foram examinados os principais métodos utilizados na aferição e previsão de fluxos turísticos, reconhecendo que tais deslocamentos não são plenamente capturados por uma única metodologia, além de não haver padronização consolidada para esse tipo de mensuração. A partir desse diagnóstico, apresenta-se uma proposta para coleta e prospecção do fluxo turístico e do perfil dos visitantes que utilizam o modal rodoviário, visando à produção de conhecimento em tempo quase real e ao apoio à gestão pública em diferentes níveis, por meio do uso de dispositivos de leitura automática de placas veiculares. Os resultados obtidos indicam que a adoção de ontologia junto ao Sistema BRAVO, aliada à adoção de Grafos do Conhecimento, é capaz de identificar efetivamente padrões turísti¬cos mesmo em bases com milhões de leituras diárias, gerando indicadores aptos a subsidiar sistemas de inteligência e instrumentos de apoio à tomada de decisão, como o Almanach da Secretaria de Estado do Turismo. Além disso, a estrutura ontológica confere flexibilidade para incorporar novas regras de interpretação ou ajustar parâmetros temporais sem necessidade de reconfigurar todo o modelo, bastando adequar subclasses, propriedades ou axiomas, o que viabiliza uma metodologia reprodutível para a extração e validação de ciclos de visita a partir de dados ALPR, validada por SWRL e por testes iniciais em ambiente Neo4j.

Abstract: Brazil has a domestic market of more than 200 million inhabitants who travel to attractions within the country itself. In this context, it becomes essential to produce knowledge capable of supporting the understanding of tourist flows and guiding public policies aimed at the needs arising from these movements, which are marked by seasonality and a strong dependence on the road transport system. This study aims to develop an analytical structuring proposal to support the assessment of terrestrial tourist flows. Specifically, it seeks to: describe the functioning of the BRAVO System and its mechanisms for collecting and processing vehicular data; identify and analyze predictive approaches applicable to domestic tourism based on road travel; derive attributes and indicators capable of identifying visit cycles and displacement patterns from ALPR readings; model the interoperability between institutional databases to compose a knowledge ecosystem aligned with the principles of Smart Tourist Destinations; and structure an ontology and a Knowledge Graph representative of the domain of road-based tourist flows, capable of supporting automatic inferences about visitors, lengths of stay, recurrence, and related characteristics. The study examined the main methods used in the measurement and prediction of tourist flows, recognizing that such movements cannot be fully captured by a single methodology and that no consolidated standard exists for this type of assessment. Based on this diagnosis, a proposal is presented for collecting and analyzing tourist flows and visitor profiles using the road modal, aimed at producing near-real-time knowledge and supporting public management at different levels through the use of automatic license plate recognition devices. The results indicate that combining an ontology with the BRAVO System, together with the use of Knowledge Graphs, is capable of effectively identifying tourist patterns even in databases containing millions of daily readings, generating indicators suitable for intelligence systems and decision-support tools, such as the Almanach platform of the State Secretariat for Tourism. Moreover, the ontological structure provides flexibility for incorporating new interpretation rules or adjusting temporal parameters without requiring complete model reconfiguration?only the adjustment of subclasses, properties, or axioms?thus enabling a reproducible methodology for extracting and validating visit cycles from ALPR data, supported by SWRL rules and initial tests in a Neo4j environment.