景区交通旅游预测方法及预警系统技术方案

本发明专利技术提供了一种景区交通旅游预测方法及预警系统。方法包括：采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性；从各景区中选择至少一个作为参考景区，利用参考景区的旅游数据和交通流量数据，构建参考景区的景区交通旅游指数；利用各景区之间的相关性和参考景区的景区交通旅游指数预测结果，对各景区中除了参考景区之外的其他景区的交通旅游指数进行预测，本发明专利技术将旅游和交通结合，并基于数据揭示了景区和交通之间的相关性和脉冲响应关系，构建和预测交通旅游指数，实现监测景区交通量变化以及为游客提供景区交通旅游信息，提高游客旅游质量。

Forecasting method and warning system of traffic tourism in scenic spots

The invention provides a traffic and tourism prediction method and a warning system for scenic spots. The methods include: using time-varying parameter vector autoregressive model to analyze the correlation among the scenic spots in the target area; selecting at least one scenic spot from each scenic spot as a reference area, using the tourism data and traffic flow data of the reference scenic spot to construct the traffic tourism index of the reference scenic spot; using the correlation among the scenic spots. Sex and reference scenic spot traffic tourism index prediction results, in addition to the reference scenic spot other scenic spot traffic tourism index prediction, the invention combines tourism and traffic, and reveals the correlation between scenic spot and traffic and impulse response relationship based on data, constructs and predicts traffic tourism index. To monitor the changes of traffic volume in scenic spots and provide tourist information for scenic spots, so as to improve the quality of tourist tourism.

【技术实现步骤摘要】
景区交通旅游预测方法及预警系统
本专利技术涉及在交通运输领域，尤其涉及一种景区交通旅游预测方法及预警系统。
技术介绍
旅游业是国民经济重要的战略性支柱产业，交通运输是旅游业发展的基础支撑和先决条件。但是，由于节假日，在同一地区旅游时，游客在多个景区之间出游，会出现各景区交通流量突变造成交通堵塞以及个别景区出现旅游高峰客流现象。同时，由于游客对景区的交通和旅游设施的实时状态不了解，出现超出交通流量和旅游设施超出承载能力的情况，严重影响游客的旅游质量。
技术实现思路
本专利技术提供一种景区交通旅游预测方法及预警系统，以至少解决现有技术中的以上技术问题中的至少一项。为达到上述目的，本专利技术提供了一种景区交通旅游预测方法，包括：采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性；从各景区中选择至少一个作为参考景区，利用参考景区的旅游数据和交通流量数据，构建参考景区的景区交通旅游指数；利用各景区之间的相关性和参考景区的景区交通旅游指数预测结果，对各景区中除了参考景区之外的其他景区的交通旅游指数进行预测。在一实施方式中，采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性，包括：采集目标区域内各景区的交通流量数据、定位数据以及景区售票数据；采用时变参数向量自回归模型对各景区的交通流量数据、定位数据以及景区售票数据进行分析，建立各景区之间的脉冲响应规律，以确定各景区之间的相关性。在一实施方式中，所述采用时变参数向量自回归模型对各景区的交通流量数据、定位数据以及景区售票数据进行分析，建立各景区之间的脉冲响应规律，以确定各景区之间的相关性，包括：将各景区的交通流量数据、定位数据以及景区售票数据作为景区变量，代入结构向量自回归(SVAR)模型的标准公式中，获得式1，yt＝Xtβ+A-1∑uεt式1；其中，yt为一个m×1阶的t时刻的针对选定m个景区变量组成的内生向量，Is为单位矩阵，，yt-p为y的滞后p个时间的四个景区交通流量的内生向量；为克罗内克积，β＝(F0，F1…Fi…Fp)，Fi＝A-1Bi,i＝0,…,p；∑u为扰动项的对角形式，εt为ε～N(0，In)，In为n维单位矩阵，A和Bi为时不变向量矩阵，且A为变量间的同期相关性，Bi为变量间的跨期相关性；利用式1推算出不同景区变量间的时变向量自回归(TVP-VAR)模型，TVP-VAR模型用式2表示；式2中βt，At，∑t为时变向量；采用蒙特卡洛马尔可夫链(MCMC)算法估计式2中时变参数值；使用脉冲响应函数分析TVP-VAR模型中不同时变向量之间的影响。在一实施方式中，所述参考景区的景区交通旅游指数预测，包括：在正常状态下，采用指数平滑算法、ARIMA算法、随机森林回归算法中的至少一项，对参考景区的交通旅游指数进行预测；和/或在突发状况下，采用多尺度径向基函数网络算法，对参考景区的交通旅游指数进行预测。在一实施方式中，利用参考景区的旅游数据和交通流量数据，构建参考景区的景区交通旅游指数，包括：利用景区的旅游数据和交通流量数据，构建景区的交通流量指数、交通拥堵指数、景区热度指数、景区承载能力指数、配套服务能力指数、景区旅游资源指数中的至少一项。在一实施方式中，构建参考景区的景区交通旅游指数，包括构建景区的交通流量指数；所述构建景区的交通流量指数的步骤包括：利用算术平均法计算出景区的基期交通流量平均数和报告期交通流量平均数；其中，所述基期为作为基准的日期，所述报告期为期望统计的日期；将得到的所述报告期交通流量平均数与所述基期交通流量平均数相比而得到所述交通流量指数，其公式为：式中，I为流量指数，t为车型，n为报告期检测交通流量时交通流量调查站点数，m为基期检测交通流量时交通流量调查站点数，p11、p12、…p1n为所述报告期内每个交通流量调查站点检测的交通流量，p01、p02、…p0m为所述基期内每个交调站点的交通流量，100为基期指数。为达到上述目的，本专利技术提供了一种景区交通旅游预警系统，包括交通旅游指数模块，用于利用上述实施方式中任一所述的预测方法预测出的各景区交通旅游指数，并构建雷达图；预警模块，用于将雷达图中超出警戒阈值的景区交通旅游指数以设定的警戒颜色显示。在一实施方式中，还包括：景区脉冲响应分析模块，用于将具有脉冲响应关系的各景区进行关联显示，且在其中一景区的交通旅游指数到达警戒阈值时，对该景区具有脉冲响应关系的其他景区的交通旅游指数进行提前预警。在一实施方式中，还包括：交通旅游指数预测时间轴，用于从时间和空间两个维度并以时景推移的方式对交通旅游指数的实时变化和各景区脉冲响应关系进行集成展示。在一实施方式中，还包括：推送模块，用于根据所述交通旅游指数模块的预测结果，推送各景区的交通流量指数、交通拥堵指数、景区热度指数、景区承载能力指数、配套服务能力指数以及景区周边旅游资源指数；所述推送模块还用于根据所述景区脉冲响应分析模块显示的各景区的脉冲响应关系，提前推送当前景区关联的另一景区的分析和预测结果。本专利技术将旅游和交通结合，并基于数据揭示了景区和交通之间的相关性和脉冲响应关系，构建和预测交通旅游指数，实现监测景区交通量变化以及游客旅游提供合理建议，提高游客旅游质量。上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1为本专利技术实施例中预测方法的流程图。图2为本专利技术实施例中预测方法的另一流程图。图3为本专利技术实施例中A、B、C、D四个景区在国庆放假期间的车流量条形图。图4为本专利技术实施例中A景区和D景区之间的预测脉冲响应曲线图。图5为本专利技术实施例中B景区和D景区之间的预测脉冲响应曲线图。图6为本专利技术实施例中C景区和D景区之间的预测脉冲响应曲线图。图7为本专利技术实施例中预测方法的又一流程图。图8为本专利技术实施例中预警系统的结构示意图。具体实施方式在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本专利技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。本专利技术第一实施例为一种景区交通旅游预测方法。参见图1所示，预测方法包括：步骤S110：采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性。步骤S120：从各景区中选择至少一个作为参考景区，利用参考景区的旅游数据和交通流量数据，构建参考景区的景区交通旅游指数。步骤S130：利用各景区之间的相关性和参考景区的景区交通旅游指数预测结果，对各景区中除了参考景区之外的其他景区的交通旅游指数进行预测。本实施例通过构建景区交通旅游指数，预测一个参考景区的旅游指数，并利用多个景区之间的相关性获取其他景区的预测结果，有利于为游客和管理部门提供交通旅游数据信息，并针对预测的结果，对交通和旅游进行规划，提高游客旅游质量。进一步地，如图2所示，步骤S110采用时变参数向量自回归模本文档来自技高网...

【技术保护点】
1.一种景区交通旅游预测方法，其特征在于，包括：采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性；从各景区中选择至少一个作为参考景区，利用参考景区的旅游数据和交通流量数据，构建参考景区的景区交通旅游指数；利用各景区之间的相关性和参考景区的景区交通旅游指数预测结果，对各景区中除了参考景区之外的其他景区的交通旅游指数进行预测。

【技术特征摘要】
1.一种景区交通旅游预测方法，其特征在于，包括：采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性；从各景区中选择至少一个作为参考景区，利用参考景区的旅游数据和交通流量数据，构建参考景区的景区交通旅游指数；利用各景区之间的相关性和参考景区的景区交通旅游指数预测结果，对各景区中除了参考景区之外的其他景区的交通旅游指数进行预测。2.如权利要求1所述的方法，其特征在于，采用时变参数向量自回归模型，分析目标区域内各景区之间的相关性，包括：采集目标区域内各景区的交通流量数据、定位数据以及景区售票数据；采用时变参数向量自回归模型对各景区的交通流量数据、定位数据以及景区售票数据进行分析，建立各景区之间的脉冲响应规律，以确定各景区之间的相关性。3.如权利要求2所述的方法，其特征在于，所述采用时变参数向量自回归模型对各景区的交通流量数据、定位数据以及景区售票数据进行分析，建立各景区之间的脉冲响应规律，以确定各景区之间的相关性，包括：将各景区的交通流量数据、定位数据以及景区售票数据作为景区变量，代入结构向量自回归(SVAR)模型的标准公式中，获得式1，yt＝Xtβ+A-1∑uεt式1；其中，yt为一个m×1阶的t时刻的针对选定m个景区变量组成的内生向量，Is为单位矩阵，，yt-p为y的滞后p个时间的四个景区交通流量的内生向量；为克罗内克积，β＝(F0，F1…Fi…Fp)，Fi＝A-1Bi，i＝0，…，p；∑u为扰动项的对角形式，εt为ε～N(0，In)，In为n维单位矩阵，A和Bi为时不变向量矩阵，且A为变量间的同期相关性，Bi为变量间的跨期相关性；利用式1推算出不同景区变量间的时变向量自回归(TVP-VAR)模型，TVP-VAR模型用式2表示；式2中βt，At，∑t为t时刻的时变向量；采用蒙特卡洛马尔可夫链(MCMC)算法估计式2中时变参数值；使用脉冲响应函数分析TVP-VAR模型中不同时变向量之间的影响。4.如权利要求1所述的方法，其特征在于，所述参考景区的景区交通旅游指数预测，包括：在正常状态下，采用指数平滑算法、ARIMA算法、随机森林回归算法中的至少一项，对参考景区的交通旅游指数进行预测；和/或在突发状况下，采用多尺度径向基函数网络算法，对参考景区的交通旅游指...

【专利技术属性】
技术研发人员：王英平，孙硕，撒蕾，徐志远，顾明臣，王致远，
申请(专利权)人：交通运输部规划研究院，
类型：发明
国别省市：北京,11