Recomendación y visualización de rutas turísticas personalizadas mediante aplicación demodelos de IA.

Abstract

Este Trabajo Fin de Grado desarrolla un sistema de recomendación de rutas turísticas personalizadas a partir de datos reales de visitas y de información asociada a distintos puntos de interés. El proyecto parte de una idea sencilla pero relevante dentro del turismo inteligente. Cuando una persona visita una ciudad, no solo necesita descubrir lugares que puedan resultar interesantes, sino recibir una propuesta de recorrido que tenga sentido, que sea coherente con sus preferencias y que pueda realizarse de forma práctica. Para abordar este problema, se ha diseñado una solución completa que combina tratamiento de datos, modelos de recomendación, construcción de rutas, evaluación experimental y visualización web. El sistema utiliza el Foursquare Semantic Trails Dataset, formado por aproximadamente 1,3 millones de check-ins en Osaka, Estambul y Petaling Jaya. Estos datos se procesan mediante un flujo ETL y se almacenan en una base de datos PostgreSQL, lo que permite trabajar de forma ordenada con usuarios, trayectorias, categorías y puntos de interés. Sobre esta base se implementan distintos motores de recomendación, entre ellos modelos basados en contenido, co-visita, secuencia, embeddings y filtrado colaborativo implícito. Sus resultados se combinan para generar recomendaciones más robustas, teniendo en cuenta aspectos como las preferencias del usuario, la proximidad, la diversidad de categorías y la coherencia espacial. Posteriormente, los puntos seleccionados se ordenan para formar rutas completas, que pueden consultarse a través de un prototipo web desarrollado con FastAPI. La evaluación offline muestra que los modelos híbridos obtienen los mejores resultados globales en las ciudades con mayor volumen de datos, mientras que los modelos secuenciales funcionan especialmente bien en contextos con menor densidad de información. En conjunto, el trabajo ofrece una solución funcional que une la recomendación de lugares con la generación real de itinerarios turísticos personalizados.

This Final Degree Project develops a personalized tourist route recommender based on real user visit data and information associated with points of interest. The project is built around a practical idea within smart tourism. When someone visits a city, discovering attractive places is only part of the problem. A useful system should also be able to suggest a route that fits the user’s interests, follows a reasonable spatial logic and can be followed in a practical way.

To address this challenge, the work proposes a complete solution that brings together data processing, recommendation models, route generation, experimental evaluation and web visualization. The system uses the Foursquare Semantic Trails Dataset, which contains approximately 1.3 million check-ins from Osaka, Istanbul and Petaling Jaya. These data are processed through an ETL workflow and stored in a PostgreSQL database, allowing users, trajectories, categories and points of interest to be represented in a structured way.

Several recommendation engines are implemented on top of this data layer, including content-based, co-visitation, sequential, embedding-based and implicit collaborative filtering models. Their outputs are combined to produce more robust recommendations, taking into account user preferences, proximity, category diversity and spatial coherence. The selected points of interest are then ordered to create complete routes, which can be explored through a web prototype supported by a FastAPI backend.

The offline evaluation shows that hybrid models achieve the best overall performance in cities with richer data coverage, while sequential models perform particularly well in scenarios with sparser information. Overall, the project delivers a functional system that connects the recommendation of individual places with the actual generation of personalized tourist itineraries.