土耳其旅游季前，我从公开数据里核出三座城的客流窗口

复活节前后的两周，我把土耳其旅游局公开的入境旅客月度表、伊斯坦布尔机场和安塔利亚机场的月度客流公告，加上文化和旅游部公布的博物馆与遗址访问量，拼成了一张按城市分列的周度近似表。数据版本是最近一期月报加前一年同期，量级大概覆盖三座城、十二个月、六类来源，够看趋势，不够做精确预测。

做法不复杂：先把各来源的月份口径对齐到自然月，再用机场客流和博物馆访问量做交叉校验，最后按城市把旺季的起始周和回落周标出来。关键片段如下，能直接改年份复用：

import pandas as pd
m = pd.read_csv('tr_monthly.csv', parse_dates=['month'])
m['city'] = m['city'].str.strip().str.lower()
pivot = m.pivot_table(index='month', columns='city', values='visitors', aggfunc='sum')
ratio = pivot.div(pivot.rolling(12, min_periods=6).mean())
window = ratio.apply(lambda s: s[(s > 1.15)].index.min())
print(window)

阈值 1.15 是我试出来的：低于这个数，伊斯坦布尔的商务客流会把旅游旺季的峰抹平；高于 1.3，安塔利亚的海滩季又会被切成碎片。代价是这套口径对卡帕多奇亚这种以洞穴酒店和热气球为主的目的地不敏感，热气球停飞天数和酒店入住率并不完全同步。

为什么用机场加博物馆而不是直接看酒店入住率：后者的公开粒度只到全国，且滞后一个季度，对提前订房没有操作价值。机场客流周度有公告，博物馆访问量按月发布，两者叠加能还原出「人什么时候到、到哪里去」的大致轮廓。

失效的地方我也踩过：一是斋月与开斋节假期每年在公历上漂移，按去年同期套会错两周；二是东部城市的雪季封路会让机场数据虚高，人到了却进不了景区；三是 2023 年地震后的统计口径调整，让部分月份的同比失去意义。所以这张表只能当排期参考，不能当定价依据。

你所在的城市，旺季起始周和机场客流峰值之间差几周？