滴滴大数据揭秘：想要准时抵达目的地 你应该提前多久出发

本篇文章2391字，读完约6分钟

原本只需要30分钟就可以到达工作地点，但是由于意外的交通事故、意外的道路维护、临时交通管制等原因，最终到达的时间远远超出了预期。

这些外部因素给旅行带来不可靠性，成为影响人们旅行体验的最重要因素之一。为了处理这些不可靠的因素，人们应该提前多长时间开始？滴滴出行大数据已经回答了这个看似无法解决的问题。最近，滴滴出行和浙江大学交通工程学院发布了一份关于中国主要城市交通可靠性的分析报告。利用滴滴出行的大数据，制定了一系列衡量交通可靠性的量化指标，并对中国40个一、二、三线城市的交通可靠性进行了分析和排序。

有了这个指数，你可以一目了然地看出你在出门前需要预订多长时间。

量化城市交通可靠性的五个指标

运输系统的可靠性是什么？根据业内学者的定义，交通可靠性是指在一定时期内，特定路段和区域内交通服务的一致性程度。

浙江大学交通工程研究所研究员陈锡群博士说，城市道路系统经常受到随机因素(交通事故、临时交通管制、突发自然灾害等)的影响。)，给居民出行带来很大的不确定性。同时，随机因素降低了交通运行的可靠性，对城市交通功能的发挥和城市发展产生不利影响。简单地说，交通可靠性可以反映出口网络的拥堵波动、居民出行随时间和空的变化规律、随机因素对周围路网和整个城市路网的影响以及特殊场所(如火车站、机场等)附近路网的交通状况。)。

在此之前，交通可靠性主要是由旅行者的经验来判断的，比如从家到公司通常需要多长时间，旅行者通常有一个基本的判断。然而，这个时间是否准确受交通可靠性的影响。如果你外出遇到交通事故或遇到下雪天气，原先估计的旅行时间可能会大大延长；如果路上很少发生事故，这段时间可能会大大缩短。

如何量化交通可靠性？在这方面，陈锡群博士的研究团队结合滴滴大数据将指定城市划分为1公里乘1公里的正方形网格区域。每次旅行都从旅行者所在的地区开始，到达目的地后结束。例如，早上7: 30，一名乘客从他家所在的甲区出发，最后到达他公司所在的丁区。通过记录这次旅行，我们可以计算出乘客从A到D的旅行距离和花费的时间。借助滴滴大数据，可以计算出某段时间内从A到D的所有乘客相关数据，然后扩展到整个路网的多个区域，从而计算出路网的交通可靠性。

在此基础上，总结出五个量化指标:网络自由行程时间率(nfttr)、网络平均行程时间率(nttr)和网络计划行程时间率(npttr)，分别代表道路完全畅通时的每公里行程时间、平均条件下的每公里行程时间和确保目的地准时的每公里计划时间。通过这三个指标，研究人员总结了网络缓冲旅行时间率(nbtr)及其指标nbtri。这两个值越高，相应的流量可靠性就越低。

40城市交通可靠性排名可以计算出需要预留多少时间

在人们的印象中，似乎城市越大，交通越拥挤，交通的可靠性越低。但是从这项研究的结果来看，情况并非如此。

以北京为例，当道路完全畅通时，行驶1公里需要2分钟；正常情况下，平均每公里需要2.83分钟；如果你想确保准时到达，每公里最多需要4.94分钟。这个数字表明，对于北京居民来说，为了确保他们能准时到达目的地，每公里需要额外的2.11分钟。这意味着北京的nbtri指数为0.74，这在本研究的分类中只是略微不可靠(本研究对40个城市的交通可靠性水平进行了分类，nbtri指数低于0.67，这是一个可靠的水平；指数在0.67到0.7之间，基本可靠；该指数介于0.7和0.75之间，这有点不可靠。0.75到0.79之间的指数不太可靠。该指数大于或等于0.79，这是非常不可靠的)。

浙江大学交通工程研究所还对全国40个一线、二线和三线城市的交通可靠性进行了评估，发现哈尔滨、长春和济南的nbtr指数最高，表明交通可靠性较差，其中哈尔滨排名第一。如果居民想准时到达目的地，他们需要每公里至少预留2.89分钟；交通可靠性最高的三个城市是三亚、苏州和威海，其中每公里只需要1.33分钟就可以保证准时到达三亚。

通过比较nbtr，你会知道提前多少分钟出门是最可靠的。

交通可靠性研究将有助于准确控制交通拥堵

为什么中国东北的两个重要城镇哈尔滨和长春是最好的？对此，陈锡群博士认为，预计2015-2016年期间，这两个城市都在发展地下轨道交通，道路建设增多，导致地面道路通行能力下降；同时，这两个城市都是北方城市，冬天有很多雪，这使得路面结冰，降低了道路通行能力，并且容易发生交通事故，这也降低了交通的可靠性。

这一次，陈锡群的研究小组进行了一次1公里乘1公里的网格分析，对城市较小区域的交通状况有了更微观的了解。对此，陈锡群博士认为，智能交通在城市交通管理中的应用越来越多，利用大数据观察路网状况和居民出行感知的交通可靠性分析可以为准确控制城市拥堵提供参考依据，为路网布局和规划提供决策支持。

北京次区域交通可靠性指数

(图中红色越深，表示交通可靠性程度越低，可靠性较低的区域主要集中在繁华的商业区、交通枢纽和换乘区，如王府井、五道口、思源桥、童渊桥等。(

滴滴出行大数据将为智能交通提供导航器

一个城市的交通可靠性高吗？城市不同区域的交通可靠性分布是什么？背后有什么因素？过去，许多人可能能够凭经验判断这些问题，但他们无法用直观的数字来量化它们。由于这种量化需要对大量的旅游样本进行统计分析和挖掘，我们可以发现隐藏的秘密，但在以往的旅游模式下显然很难实现。

借助滴滴出行平台，每天都有大量车辆在平台上行驶，这也为交通可靠性的量化提供了最有力的参考数据。在此基础上，未来智能交通方案的制定可以更有针对性，取得更好的效果。在这个过程中，滴滴出行的大数据让智能交通的方向更加清晰，成为名副其实的领航员。

事实上，滴滴正在智能交通领域与越来越多的政府部门合作。此前，滴滴出行在深圳和成都达成战略合作伙伴关系，共同推进本地智能交通建设，这也将使未来的城市旅游环境更加美好。

来源：搜狐微门户