Preikestolen og Lysefjordområdet er blant Norges mest besøkte naturattraksjoner, og besøkstallene har vokst jevnt i mange år. Det gir økt press på både natur og infrastruktur.
De lokale reiselivsaktørene er derfor forpliktet til å dokumentere miljø- og samfunnseffekter gjennom ordninger som «Bærekraftig Reisemål» og «Nasjonale Turiststier».
Nå har SINTEF og Lysefjorden Utvikling vist at det er mulig å varsle besøkstopper opptil et døgn i forveien ved hjelp av smart bruk av data. Og helt uten å hente inn ny informasjon. Det svarer på et stort og felles behov hos mange som jobber i området.
Samler data fra ulike kilder
Data om besøk, vær, trafikk og cruiseanløp finnes allerede, men ligger spredt hos ulike aktører og brukes i liten grad til å forutsi hva som kommer. En datadrevet prognose kan gi et mer presist bilde av når besøkstoppene forventes.
Turister på vei opp mot Preikestolen i Rogaland. Nå kan besøksstopper bedre varsles i tide. Foto: plavicena/iStock
– Verdien ligger ikke bare i å vite hvor mange som kommer per dag, men når på dagen de kommer, forklarer reiselivsutvikler Johannes C. Apon i Lysefjorden Utvikling.
– En timebasert prognose gir oss bedre grunnlag for bemanning, trafikkavvikling og informasjon. Dette vil både gi en bedre opplevelse for gjestene og en bedre arbeidsdag for de ansatte.
Varsler besøkstopper et døgn fram i tid
Forskerne trente en maskinlæringsmodell (LightGBM) basert på to års data fra sti-tellerne ved Preikestolen. Dette kombinerte de med værdata, trafikktall fra Statens vegvesen og informasjon om cruiseanløp i Stavanger.
Nathalie Labonnote i SINTEF har ledet prosjektet.
Modellen ble bedt om å forutsi besøkstall 24 timer frem i tid, og ble testet mot faktiske besøkstall fra 2025 og 2026.
– Vi ville egentlig bare finne ut om dette i det hele tatt lot seg gjøre. At en så enkel modell ga så tydelige resultater, viser at potensialet er stort.
Resultatet overrasket i positiv forstand. Modellen klarte å fange opp de systematiske mønstrene i besøksatferd, siden sesong, ukedag, vær og cruiseanløp forklarer mye av variasjonen fra time til time.
– Vi ville egentlig bare finne ut om dette i det hele tatt lot seg gjøre. At en så enkel modell ga så tydelige resultater, viser at potensialet er stort, sier Nathalie Labonnote, forsknings- og innovasjonsleder i SINTEF og prosjektleder for VisitorLAB.
– Det betyr at vi ikke trenger nye data, vi trenger «bare» å strukturere og koble sammen det som allerede finnes.
Fra reaktiv til proaktiv forvaltning
SINTEF har også intervjuet ulike aktører i Lysefjorden – fra turoperatører og båtselskaper til kommuner og Norsk Folkehjelp. Nesten alle etterspurte det samme; bedre prognoser for besøk, og en felles forståelse av hva som skjer i fjorden fra dag til dag.
– Det som overrasket oss mest, var hvor samstemte aktørene var. Store og små, private og offentlige. Alle pekte på det samme behovet for bedre prognoser og et felles situasjonsbilde. Det tyder på at dette faktisk løser et problem turistnæringen kjenner på i hverdagen, sier Labonnote.
Med et prediktivt verktøy kan reiselivsaktørene sette inn ekstra shuttlebusser, justere bemanning, eller varsle besøkende via nettside og skilting om at det lønner seg å komme en annen dag.
Skal finjustere modellen
Modellen er ikke finjustert, og de underliggende dataene må i dag hentes manuelt fra ulike systemer. Skal en slik løsning tas i bruk i praksis, må dataene flyte automatisk, og modellen bygges videre med flere datakilder og bedre presisjon.
Forskerne foreslår derfor å ta i bruk et felles dashboard som skal gi aktørene i Lysefjorden et bedre situasjonsbilde. Målet er å gå fra dagens drift og korttidsprognoser til sesongplanlegging og langsiktig, bærekraftig utvikling av området.
Lysefjorden Utvikling og SINTEF ønsker å videreutvikle og teste løsningen i full skala. Målet er at metodikken også skal kunne tas i bruk av andre norske naturattraksjoner med tilsvarende utfordringer.
VisitorLAB er et forprosjekt finansiert av Regionalt forskningsfond Rogaland (RFF Rogaland), gjennomført av Lysefjorden Utvikling AS og SINTEF.
