拥挤度预测算法详解 · 最后更新：2026-07-09
挤不挤的核心功能是预测景点在未来特定日期的拥挤程度。我们不依赖单一数据源，而是综合多个维度的数据，通过加权算法计算出 0-100 的拥挤度评分。
每个景点的拥挤度评分由以下四个因子加权计算：
| 因子 | 权重 | 数据来源 | 说明 |
|---|---|---|---|
| 日期因子 | 40% | 节假日日历 | 国定假日、调休日、周末对人流的影响 |
| 基础热度 | 30% | 公开旅游平台 | 景点在旅游平台上的实时热度和评论量 |
| 天气因子 | 15% | OpenWeatherMap | 温度、降水概率对出行意愿的影响 |
| 迁徙指数 | 15% | 百度迁徙 | 城市间人口流动趋势（仅限中国大陆城市） |
不同类型的景点在节假日和周末受到的影响不同。例如：
当天气恶劣（天气因子 < 0.4，如暴雨、极端高温）时，室外景点的评分会下调 30%。室内景点不受影响。
最终评分使用 0.8 次方压缩（base^0.8），避免所有热门景点在节假日都饱和在 100 分。这让评分在 60-90 区间有更好的区分度。
每个等级对应不同的排队预期：「畅游」几乎不排队，「拥挤」全天大量排队。这些描述基于实际游客反馈和数据验证。
| 数据类型 | 更新频率 | 覆盖范围 |
|---|---|---|
| 节假日日历 | 年度更新 + 调休日实时同步 | 全球 85 国 |
| 景点热度 | 每日更新 | 全球 184 城 |
| 天气预报 | 每 3 小时 | 全球（OpenWeatherMap） |
| 城市迁徙 | 每日更新 | 中国大陆城市 |
我们的预测是基于历史数据和模式的估算，不是精确计数。以下是已知局限：
我们持续优化算法，并欢迎用户反馈来提升预测准确度。