1.一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述方法包括如下步骤：
步骤s1：获取游客畅游景区影响因素；
步骤s2：建立游客畅游度数据集；
步骤s3：构建游客多因子聚合模型；
步骤s4：输出未来短期客流量预测数据；
步骤s5：构建景区畅游度模型；
步骤s6：畅游度指数结果输出。
2.根据权利要求1所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s1中游客畅游景区影响因素包括景区开放性、游客舒适度、道路通畅度和设施完善度。
3.根据权利要求1所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s2中游客畅游度数据集包括省内重点景区动态信息、天气预报信息、空气质量指数信息、pm2.5实时浓度信息、景区类型、景区游客量、道路拥挤度、高速卡口车流量、景区停车场停车余位、景区厕所密度和景区饭店密度信息。
4.根据权利要求1所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s3中构建游客多因子聚合模型主要包括如下步骤：
步骤s31：统计收集样本景区每小时客流量历史数据；
步骤s32：出游状态信息结果输出；
步骤s33：计算斯皮尔曼(spearman)相关系数ρ；
步骤s34：采用arima(p,d,q)模型预测未来一周每小时的客流量值。
5.根据权利要求4所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于：所述多因子聚合模型步骤s31中样本景区每小时客流量历史数据的时间周期为t-t0，其中t代表当前时刻，t0代表1周前的此时刻。
6.根据权利要求4所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于：所述多因子聚合模型步骤s32中出游状态信息结合了天气预报信息、空气质量指数信息、pm2.5实时浓度信息、气象预警和出游景点匹配性，具体出游状态结果包括适宜、较适宜、一般、较不宜、不适宜，并分别赋值为1、0.75、0.5、0.25、0。
7.根据权利要求4所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于：所述多因子聚合模型步骤s33中斯皮尔曼(spearman)相关系数ρ包括各景点的历史客流量和出游状态值，相关系数ρ的计算方式如下：
其中n数值为84，i代表其中的一个景点，xi代表景点i客流量，
8.根据权利要求4所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于：所述多因子聚合模型步骤s34中arima(p,d,q)模型具体为：
其中，l代表滞后算子，d为整数且大于0，i代表景点数，p代表自回归项数，xt代表景区客流量，φ代表自回归系数多项式，q代表滑动平均项数，θ代表滑动平均系数多项式，εt代表零均值白噪声序列；
首先，对历史客流量的时间序列进行平稳性分析，若为非平稳数据则需进行d阶差分，化为平稳非白噪声序列；其次，计算自相关系数acf和偏自相关系数pacf，判断最佳阶层p和阶数q；最后，回归分析并验证结果；经过回归分析，计算客流量预测值；同时观察arima模型下的残差是否服从正态分布，并检验残差是否自相关。
9.根据权利要求4所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于：所述多因子聚合模型步骤s34中预测的结果为：未来一周每小时客流量ξ1＝未来一周每小时的客流量预测值*(1+ρ)，其中，调整系数ρ是根据客流量与出游状态值两者相关系数进行确定；
预测景区未来一小时客流状态ξ2＝1-未来一周每小时的客流量/日承载最大客流量，
其中，ξ≦0.2对应报警状态，0.2<ξ≦0.4对应拥挤状态，0.4<ξ≦0.6对应适中状态，0.6<ξ≦1对应舒适状态。
10.根据权利要求1所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s5中景区畅游度模型评价指标包括游客舒适度、道路通畅度和设施完善度；其中景区闭园情况下的畅游度定义为0，景区开园情况下的畅游度模型构建包括如下步骤：
步骤s51：采用ahp方法构建游客舒适度、道路畅通度和设施完善度各维度指数分项指标；
步骤s52：对分项指标进行min-max归一化处理；
步骤s53：采用主成分分析法(pca)确认各分项指标权重；
步骤s54：综合评估畅游度指数。
11.根据权利要求10所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s52中分项指标min-max归一化处理方法如下：
x*＝(xi-xmin)/(xmax-xmin)
其中，xi表示实际值，xmin和xmax为对应的极小值和极大值，x*取值范围介于0至1之间。
12.根据权利要求10所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s53中主成分分析法(pca)具体定义如下：
假设存在p个景区观察点r＝(x1，x2,…,xp)t，每个样本景点涵盖i个特征xp＝(x1,x2,…,xi)，xi对应是特定观察点的分项指标；
对样本矩阵r进行变换，求出相关系数矩阵，变换方法为标准化：
标准化
其中，xij代表景区对应的观察特征指标，∑代表求和运算，zij代表标准化后的z值；
根据矩阵特征方程|r-λip|＝0，解出特征值λ和特征向量ip，得到主成分：
13.根据权利要求10所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s53中：
倘若方差贡献率不满足条件，指标间相关性较弱，那么需通过熵值法重新计算各维度权重大小；
根据标准化后的指标数据计算出信息熵：
其中，ej代报信息熵，ln代表以e为底的自然对数，n代表所有样本景点数目，p代表对应信源的概率，pij代表第i个景区第j项子指标，m代表对应观察指标的个数；
最终，综合评价结果如下：
景区畅游度指数＝游客舒适度*w1+道路通畅度*w2+设施完善度*w3。
14.根据权利要求1所述的一种基于多因子聚合模型的景区畅游度预测范式方法，其特征在于，所述步骤s6中畅游度指数结果输出主要包括如下结果：
客流量预测：
未来一周每小时客流量＝未来一周每小时的客流量预测值*(1+ρ)；
畅游度指数：
景区畅游度指数＝游客舒适度*w1+道路通畅度*w2+设施完善度*w3。