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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。