[发明专利]景区交通旅游预测方法及预警系统

权利要求书

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；

利用各景区之间随时间不断变化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，

y_t＝X_tβ+A^-1∑_uε_t 式1；

其中，y_t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，I_s为单位矩阵，，y_t-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…F_i…F_p)，F_i＝A^-1B_i,i＝0,…,p；∑_u为扰动项的对角形式，ε_t为ε～N(0，I_n)，I_n为n维单位矩阵，A和B_i为时不变向量矩阵，且A为变量间的同期相关性，B_i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β_t，A_t，∑_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数进行预测。

5.如权利要求1至4中任一项所述的方法，其特征在于，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。