MonitorizareActiv

Anomalie a indicelui de perturbare în Franța

🇫🇷 France

Debut: 2026-10 · Prima detectare: 2026-10-05T12:23:47.604012+00:00 · Ultima observare: 2026-10-05T12:23:47.604012+00:00

Generat la: 2026-10-05T12:23:47.604012+00:00 · Radarul rulează la fiecare 6 ore; datele pot avea o întârziere de până la 6 ore.

Rezumat pe înțelesul tuturor

Ce s-a întâmplat, cine este afectat, cum au arătat episoadele similare din trecut și ce este de făcut — fiecare cifră trimite la sursa ei.

Ce s-a întâmplat

ObservatÎn 2026-10, tabloul general al perturbărilor pentru France a ieșit semnificativ din intervalul său obișnuit — clasificat drept monitorizare — cel mai scăzut dintre cele trei niveluri de alertă ale noastre.[Composite Disruption Index (monthly methodology)]
ObservatValoarea care a declanșat această alertă: index la 39.2 (detaliile tehnice complete se află în secțiunile de mai jos).[Composite Disruption Index (monthly methodology)]

Cine este afectat

ObservatHotelurile, agențiile de management al călătoriilor, OTA-urile și touroperatorii cu oaspeți în France pe durata evenimentului sunt cei mai direct afectați, alături de călătorii care au rezervări acolo.[Composite Disruption Index (monthly methodology)]

Cum au arătat episoadele similare din trecut

Asociere istoricăÎn luni similare din trecut, cu perturbări ridicate, înnoptările în France au fost în medie cu 13.8% sub nivelurile normale ale lunilor calme — o asociere istorică din panelul nostru de cercetare publicat, nu o predicție.[estimates.historical_correlation]
Asociere istoricăAnalizând cele 3 luni cele mai asemănătoare din panelul nostru de cercetare 2014-2026, înnoptările o lună mai târziu au diferit față de anul precedent cu o mediană de +1.2% — din nou o asociere istorică, nu o predicție a acestui eveniment.[estimates.analogues]

Ce este de făcut acum

RecomandareDeocamdată, urmăriți situația din France; nicio modificare a rezervărilor nu este încă necesară.[detection.observed]

Impact

index	39.22
components	{"aviation":0,"disaster":0,"health":0,"rail":null,"weather":53.33}

Context lunar istoric — nu condițiile actualeLa data de: 2026-10 · Indice de perturbații: 39.22 · 0 luni mai vechi decât acest eveniment

Cum a fost detectat

Regulă: monthly_index_anomaly

Metodă: deterministic-rule

Praguri

index_watch	25
index_severe	50
z_min	2
z_floor_index	10

Observat

month	2026-10
disruption_index	39.22
components	{"aviation":0,"disaster":0,"health":0,"rail":null,"weather":53.33}

Bază de referință

n_points	142
window_hours	—
mean	53.22
std	24.00

Bază de referință insuficientă — se aplică doar pragul absolut.

Surse

Composite Disruption Index (monthly methodology)instantaneucolectat: 2026-10-05

Dovezi coroborante

Coroborarea nu se aplică: instantaneele live descriu condițiile actuale, nu perioada acestui eveniment.

Estimări

Estimates are labeled model outputs derived from published historical artifacts — they are context, not forecasts.

Model output — historical correlation estimatehistorical-correlation

r_nights	0.39
r_arrivals	0.38
best_lag_months	1
best_lag_r	0.39
baseline_deviation_pct	-13.77
n_months	139

Limitări:

correlation is association, not causation
baseline_deviation_pct is the observed average nights deviation during historical high-disruption months (index > 50) vs calm months
coefficients are dominated by the 2020-2021 pandemic period and may overstate the impact of smaller disruptions
computed on monthly national aggregates; sub-national and short-lived events are diluted

Observed history — analogue episodes, not a predictionanalogue-episodesindex_equiv = 25

Episod	score	index	h0	h1	h2	h3
🇫🇷 France · 2025-08	3.020	91.05	1.18	1.93	4.24	-2.99
🇫🇷 France · 2025-07	2.952	87.11	5.56	1.18	1.93	4.24
🇫🇷 France · 2024-08	2.907	82.41	1.48	-4.88	15.42	8.53

median_h1	1.18
median_h2	4.24
median_h3	4.24

Limitări:

analogues are historically similar months, not a forecast of this event
similarity is computed on a 10-feature panel embedding (tourism volumes, disruption/stringency indices, seasonality); it ignores event semantics
the index_equiv mapping from severity to disruption-index points is a disclosed modelling assumption, not an observation
observed_nights_yoy_pct mixes the event effect with everything else that happened in those months

Recomandări

Monitorizați situația din France și reverificați acest raport înainte de a confirma rezervări noi.
pe baza: detection.observed

Pentru agenți AI

JSON citibil de mașini pentru această pagină:

/data/api/v1/events/ev-monthly-anomaly-fr-20261001-fab454.json

Adăugați ca server MCP (din rădăcina repo-ului):

claude mcp add travel-trends -- .venv/bin/python -m etl.mcp_server

Documentație API→