In recent times of increasing mental and physical health issues, visitation in areas for nature-based recreation has increased significantly. This increase highlights the need for accurate and proactive planning and maintenance of hiking trails and has led to additional funding by the Swedish government. The emerging field of visitation forecasting on hiking trails can benefit managers and visitors in these areas.  

This research aims to understand factors affecting demand for nature-based recreation and to explore the use of multiple linear regression in forecasting visitation levels on hiking trails. It also examines the data needed for producing these forecasts and their potential benefits for managers and visitors.  

This study found that weather factors were the most important factor for visitation on hiking trails, together with calendar-related factors such as seasonality and public holidays. In producing forecasts, historic visitation data is vital, together with data on other factors found to affect visitation. The multiple linear regression analysis produced for the study area explained a large part of the variations in visitation and correctly modelled seasonal and weekly patterns, even if exact numbers were not adequately accurate. Visitation levels forecasts for hiking trails were found to have several benefits for both managers, planners, and visitors of these areas. 

Future research should explore non-linear models as well as machine-learning approaches for potentially more accurate forecasting. Producing more granular forecasts for different times of the day, as well as the distribution of visitors in an area, should also be considered in future research. Also including variables not included in the analysis of this research could be relevant to better understand hiking trail visitation.  

I en tid av ökande psykisk och fysisk ohälsa har besöken i naturområden ökat markant. Denna ökning visar på ett behov av träffsäker och proaktiv planering samt underhåll av vandringsleder, vilket också följer ökade politiska satsningar på friluftsliv den senaste tiden. Det växande fältet kring prognoser för besökstryck på vandringsleder har potential att gynna både förvaltare och besökare.  

Detta arbete syftar till att undersöka vilka faktorer som påverkar efterfrågan på friluftsliv, och hur multipel linjär regression kan användas för att förutse besöksnivåer på vandringsleder samt vilken data som krävs för att producera dessa prognoser. Studien belyser även vilka potentiella fördelar sådana prognoser kan innebära för både förvaltare och besökare.  

Resultaten visar att väder har störst inverkan på mängden besökare tillsammans med kalenderrelaterade faktorer som säsongsvariationer och allmänna helgdagar. Historiska besöksdata visade sig vara viktigast för att kunna skapa tillförlitliga prognoser i kombination med data över de faktorer som påverkar besökstrycket. Den multipla linjära regressionsanalysen som gjordes för fallstudieområdet kunde förklara en stor del av variationer i besöksantal och förutspå säsongs- och veckovariationer på ett korrekt sätt, även om de exakta besökstalen inte alltid var helt tillförlitliga. Prognoser av besökstryck visade sig kunna ge flera fördelar för både förvaltare, planerare och besökare.  

Framtida forskning bör undersöka icke-linjära modeller samt maskinlärningsmetoder för att möjliggöra mer träffsäkra prognoser. Det kan även vara väderfullt att skapa mer detaljerade prognoser, till exempel för olika tider på dygnet eller med avseende på rumslig fördelning av besökare inom ett friluftsområde. Att inkludera fler faktorer än de som analyserats i denna studie kan vara lämpligt för en bättre förståelse av besökstrycket på vandringsleder.