1.一种动态预测旅游景点客流的方法，其特征在于包括以下步骤：步骤1、获取多种因素数据

获取旅游景点历史日客流数据，预测日的天气情况、温度、风速、湿度数据，天气情况包括晴天、阴天、雨天、雪天和霾天，其中阴天标记为0.5，雨天、雪天和霾天视为恶劣天气标为

1，晴天标为0；

步骤2、获取预测日的人体舒适度

根据人体舒适度计算公式

式中，ssd是人体舒适度指数，t为平均气温，f为相对湿度，v为风速；用步骤1中获取的预测日温度、风速、湿度通过上式计算得到人体舒适度指数；

步骤3、获取预测日的舒适度等级

根据舒适度等级对照表表1，将步骤2中计算所得的人体舒适度对照表1得到预测日的舒适度等级；

表1：舒适度等级对照表

人体舒适度指数区 等级 含义

间

86—88 4级 人体感觉很热，极不适应，希注意防暑降温，以防中暑

80—85 3级 人体感觉炎热，很不舒适，希注意防暑降温

76—79 2级 人体感觉偏热，不舒适，可适当降温

71—75 1级 人体感觉偏暖，较为舒适

59—70 0级 人体感觉最为舒适，最可接受

51—58 -1级 人体感觉略偏凉，较为舒适

39—50 -2级 人体感觉较冷(清凉)，不舒适，请注意保暖

26—38 -3级 人体感觉很冷，很不舒适，希注意保暖防寒<25 -4级 人体感觉寒冷，极不适应，希注意保暖防寒，防止冻伤步骤4、平滑历史客流数据

将步骤1历史日客流数据中的节假日利用趋势外推法平滑掉，将平滑掉的节假日的历史客流数据统成为普通工作日客流数据；

步骤5、划分旅游季

利用月平均法处理步骤4得到的普通工作日客流数据，将1年12个月划分为四个旅游季，依次为旅游旺季，旅游次旺季，旅游平季和旅游淡季；

步骤6、预测普通工作日客流

分别为步骤5得到的四个旅游季建立BP神经网络，以步骤1中预测日对应的天气情况，步骤3中的舒适度等级以及步骤4中以往三年对应相同旅游季相同星期类型的普通工作日客流量作为BP神经网络的输入结点，用来预测下一年普通工作日的客流量；

步骤7、动态预测突发事件客流量

将引起客流剧烈波动的节假日视为积极突发事件，在步骤5所划分的旅游季基础之上，计算在不同旅游季中所属节假日的波动系数，最后计算出突发事件客流量，具体操作如下：(1)分别计算同一突发事件相邻年每天的波动系数表示在第j年的某个突发事件第i天的波动系数， 表示普通工作日客流量，表示突发事件当天的实际客流量；

(2)分别计算相邻年份波动系数的差值(3)计算所有年限差值的求和平均值n是历史年限；

(4)预测年的波动系数就为所有年限差值的求和平均值和预测上一年波动系数的和；

(5)预测年的波动系数值与当天预测所得普通节假日客流的乘积即为突发事件客流量；