Urban tourism crowding dynamics: Carrying capacity and digital twinning

Abstract

The increase in tourism activity globally has led to overcrowding, causing damage to local ecosystems and degradation of the tourism experience. To plan tourist activity it is necessary to define adequate indicators and understand the dynamics of tourist crowds. The main goals of this dissertation are the development of (1) an algorithm for assessing spatially fine-grained, physical carrying capacity (PCC) for a complex urban fabric, (2) an agent-based simulation model for the egress of participants in public open space tourism attraction events and (3) an agent-based simulation model using the PCC algorithm for tourism crowding stress analysis in urban fabric constrained scenarios. OpenStreetMap open-data was used throughout this research. The proposed PCC algorithm was tested in Santa Maria Maior parish in Lisbon that has a complex ancient urban fabric. The GAMA agent-based platform was used in the two simulation studies. The first compared two scenarios (normal and COVID-19) in three major public spaces in Lisbon and the second focused on the simulation of a real-time tourism crowding stress analysis scenario of visitors’ arrival at the Lisbon Cruise Terminal. The results show the proposed algorithm’s feasibility to determine the PCC of complex urban fabrics zones and its application as an initial reference value for the evaluation of real-time crowding stress, namely in simulations for assessing overtourism scenarios, both in public open spaces as in highly constrained urban fabrics.

O aumento da atividade turística a nível global tem levado à superlotação, causando danos aos ecossistemas locais e degradação da experiência turística. Para planear a atividade turística é necessário definir indicadores adequados e entender as dinâmicas das multidões turísticas. Os principais objetivos desta dissertação são o desenvolvimento de (1) um algoritmo para avaliar a capacidade de carga física (CCF) de fino grão espacial para uma malha urbana complexa, (2) um modelo de simulação baseado em agentes para o escoamento de participantes em eventos de atração turística em espaços abertos e (3) um modelo de simulação baseado em agentes usando o algoritmo de CCF para análise do stress de aglomeração de turistas em cenários de malha urbana restritiva. Os dados abertos do OpenStreetMap foram usados nesta investigação. O algoritmo CCF proposto foi testado na freguesia de Santa Maria Maior, em Lisboa, que tem uma malha urbana antiga e complexo. A plataforma GAMA baseada em agentes foi usada nos dois estudos de simulação. O primeiro comparou dois cenários (normal e COVID-19) em três grandes espaços públicos de Lisboa e o segundo analisou o stress de aglomeração causado pela chegada de navios ao Terminal de Cruzeiros de Lisboa. Os resultados mostram a viabilidade do algoritmo proposto para determinar a CCF de zonas com tecidos urbanos complexos e a sua aplicação como valor de referência inicial para a avaliação do stress de superlotação em tempo real, nomeadamente na avaliação de cenários de aglomeração turística excessiva, tanto em espaços abertos, como em malhas urbanas intrincadas.