ObserwacjaAktywne

Polska: anomalia wskaźnika zakłóceń

🇵🇱 Poland

Początek: 2026-09 · Pierwsze wykrycie: 2026-09-21T12:46:04.596965+00:00 · Ostatnia obserwacja: 2026-09-21T12:46:04.596965+00:00

Wygenerowano o: 2026-09-21T12:46:04.596965+00:00 · Radar uruchamia się co 6 godzin; dane mogą być opóźnione o maksymalnie 6 godzin.

Streszczenie prostym językiem

Co się wydarzyło, kogo to dotyczy, jak wyglądały podobne epizody w przeszłości i co robić — każda liczba prowadzi do swojego źródła.

Co się wydarzyło

ZaobserwowaneW miesiącu 2026-09 łączny obraz zakłóceń dla Poland wyraźnie wykroczył poza swój zwykły zakres — sklasyfikowany jako obserwacja — najniższy z naszych trzech poziomów alertów.[Composite Disruption Index (monthly methodology)]
ZaobserwowaneOdczyt, który wywołał ten alert: index na poziomie 32.1 (pełne szczegóły techniczne znajdują się w sekcjach poniżej).[Composite Disruption Index (monthly methodology)]

Kogo to dotyczy

ZaobserwowaneHotele, firmy zarządzające podróżami, OTA i touroperatorzy z gośćmi w Poland w okresie trwania zdarzenia są najbardziej bezpośrednio dotknięci, podobnie jak podróżni posiadający tam rezerwacje.[Composite Disruption Index (monthly methodology)]

Jak wyglądały podobne epizody w przeszłości

Zależność historycznaW podobnych miesiącach o wysokim poziomie zakłóceń w przeszłości liczba noclegów w Poland była średnio o 46.5% niższa od normalnych poziomów spokojnych miesięcy — to zależność historyczna z naszego opublikowanego panelu badawczego, a nie przewidywanie.[estimates.historical_correlation]
Zależność historycznaPatrząc na 3 najbardziej podobnych miesięcy w naszym panelu badawczym 2014-2026, liczba noclegów miesiąc później różniła się od roku poprzedniego o medianę -2% — ponownie zależność historyczna, a nie przewidywanie tego zdarzenia.[estimates.analogues]

Co robić teraz

RekomendacjaNa razie obserwuj sytuację w Poland; żadna zmiana rezerwacji nie jest jeszcze potrzebna.[detection.observed]

Wpływ

index	32.07
components	{"aviation":0,"disaster":30.16,"health":0,"rail":null,"weather":40}

Historyczny kontekst miesięczny — nie obecne warunkiStan na: 2026-09 · Indeks zakłóceń: 32.07 · 0 miesięcy starsze niż to wydarzenie

Jak to wykryto

Reguła: monthly_index_anomaly

Metoda: deterministic-rule

Progi

index_watch	25
index_severe	50
z_min	2
z_floor_index	10

Zaobserwowano

month	2026-09
disruption_index	32.07
components	{"aviation":0,"disaster":30.16,"health":0,"rail":null,"weather":40}

Linia bazowa

n_points	141
window_hours	—
mean	22.33
std	22.30

Niewystarczająca linia bazowa — obowiązuje tylko próg bezwzględny.

Źródła

Composite Disruption Index (monthly methodology)migawkazebrano: 2026-09-21

Dowody potwierdzające

Potwierdzenie nie ma zastosowania: migawki na żywo opisują obecne warunki, a nie okres tego wydarzenia.

Szacunki

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

Model output — historical correlation estimatehistorical-correlation

r_nights	-0.07
r_arrivals	-0.20
best_lag_months	6
best_lag_r	-0.28
baseline_deviation_pct	-46.54
n_months	138

Zastrzeżenia:

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

Epizod	score	index	h0	h1	h2	h3
🇫🇷 France · 2023-06	1.460	88.02	-0.13	-2.01	-0.85	4.37
🇫🇷 France · 2024-06	1.455	84.54	-3.38	-3.32	1.48	-4.88
🇫🇷 France · 2025-06	1.454	89.66	11.45	5.56	1.18	1.93

median_h1	-2.01
median_h2	1.18
median_h3	1.93

Zastrzeżenia:

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

Rekomendacje

Monitoruj sytuację w Poland i sprawdź ponownie ten raport przed potwierdzeniem nowych rezerwacji.
na podstawie: detection.observed

Dla agentów AI

JSON do odczytu maszynowego dla tej strony:

/data/api/v1/events/ev-monthly-anomaly-pl-20260901-a68bd6.json

Dodaj jako serwer MCP (z katalogu głównego repozytorium):

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

Dokumentacja API→