滴滴数据：三亚交通最可靠 40城中排名第一

　　原本只需要30分钟的上班路，却因为意外发生的交通事故、预料之外的道路维修、临时碰上的交通管制等等原因，使得最终到达的时间远远超出预期。

　　这些外界因素带来出行中的“不可靠”，成为了影响人们出行体验最重要的因素之一。为了应对这些不可靠因素，人们应该提前多长时间出发？这个看似无解的问题，却通过滴滴出行大数据给出了解答。日前，滴滴出行联合浙江大学交通工程研究所发布“中国主要城市交通可靠性分析报告”，利用滴滴出行大数据，制定了一系列测算交通可靠性的量化指标，并对全国40座一、二、三线城市的交通可靠性进行分析排名。

　　有了这个指数，出门需要提前预留多长时间，大概可以一目了然。

五大指标 量化城市交通可靠性

　　对于交通系统而言，何为“可靠性”？根据业内学者的定义，交通可靠性是指在给定的一段时间内，交通运输服务在一定的路段、区域中保持一致性的程度。

　　浙江大学交通工程研究所研究员陈喜群博士表示，城市道路系统经常受到随机因素的影响（交通事故、临时交通管制、突发自然灾害等），给居民出行带来极大的不确定性。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了不利的影响。简单地说，交通可靠性可以反映出路网的拥堵波动情况，居民出行随时间和空间的规律，随机因素对周围路网和整个城市路网的影响，特殊地点（如火车站，机场等）附近的路网交通情况等。

　　在此之前，交通可靠性主要由出行者的经验来判断，比如从自己家到公司，一般需要多长时间，出行者一般都有个基本判断。但这一时间是否准确，受到交通可靠性程度的影响，如果出门碰上交通事故，或者遭遇下雪天气，那原本预计的出行时间就可能大大延长；如果路上意外情况很少，这一时间也可能大大缩短。

　　如何对交通可靠性进行量化？对此，陈喜群博士的研究团队结合滴滴大数据，将指定城市划分为了1公里乘以1公里的正方形网格区域，每次出行都是从出行者所在的区域出发，抵达目的地所在的区域后结束。举例而言，早上7点半，一名乘客从家所在的A区域出发，前往公司所在的D区域结束。通过记录这一行程，可以计算出乘客从A到D区域所行驶的距离，以及所花费的时间。而借助滴滴大数据，可以计算出在一定的时间内，所有从A到D区域的乘客相关数据，再扩展为整个道路网络上的多个区域，从而计算出道路网络交通可靠性。

　　在此基础上总结出五大量化指标：网络自由流行程时间率（NFTTR）、网络平均行程时间率（NTTR）和网络规划行程时间率（NPTTR），分别代表着道路完全畅通时每公里行驶时间、平均状况下每公里行驶时间，以及为保证准时到达目的地的每公里规划时间。通过这三大指标，研究人员总结出了“网络缓冲行程时间率（NBTR）”及其指数NBTRI，两者数值越高，代表相应的交通可靠性程度越低。

40城市交通可靠性排名 出门预留多少时间靠谱可以算

　　在人们印象中，似乎城市越大，交通越拥堵，交通可靠性就越低。但从这次的研究结果来看并非如此。

　　以北京为例，在道路完全畅通时，每行驶1公里所需时间为2分钟；在通常情况下，平均每行驶一公里需要2.83分钟；如果要确保准时到达，每行驶一公里最多花费4.94分钟。这一数字表明，对于北京居民而言，为了保证能准时抵达目的地，每公里行程需要额外预留2.11分钟。这意味着北京的NBTRI指数为0.74，在本次研究划分的类别中，仅属于“轻度不可靠”（对本次研究的40个城市的交通可靠性等级进行分类，NBTRI指数低于0.67，为“可靠”级别；指数在0.67-0.7之间，为“基本可靠”；指数在0.7-0.75之间，为“轻度不可靠”；指数在0.75-0.79之间为“中度不可靠”；指数大于等于0.79，为“严重不可靠”）。

　　而此次浙江大学交通工程研究所也对全国40座一、二、三线城市的交通可靠性进行评测后发现，哈尔滨、长春和济南的NBTR指数最高，表明交通可靠性较差，其中排名榜首的哈尔滨，如果居民想要准时到达目的地，每公里至少需要多预留2.89分钟；而交通可靠性最高的三座城市为三亚、苏州和威海，其中在三亚每公里只需要多留出1.33分钟就可以确保准时到达。

　　对照NBTR掐指一算，你就知道自己提前多少分钟出门最靠谱了。

交通可靠性研究将助力“精准治堵”

　　为何哈尔滨和长春这两座东北重镇会名列前茅？对此，陈喜群博士认为，在测算的2015-2016年期间，这两座城市正在发展地下轨道交通，道路施工较多，造成地面道路的通行能力下降；同时两座城市均为北方城市，冬季下雪天气较多，使得路面结冰，降低道路通行能力，且易发生交通事故，这也造成了交通可靠性的降低。

　　陈喜群的研究团队此次是将城市进行1公里乘以1公里的网格化分析，更加微观地洞察了城市更小部位的交通状况。对此，陈喜群博士认为，“智慧交通”越来越多地被应用于城市交通治理，而运用大数据更细微地观察路网状况、居民出行感受度的交通可靠性分析，可以对城市“精准治堵”提供参考依据，为路网布局和规划提供决策支持。

北京市分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商业区和交通枢纽及换乘地区，如王府井、五道口、四元桥、远通桥等）

滴滴出行大数据 将为智慧交通提供“导航仪”

　　一座城市的交通可靠性高不高？城市内各个区域的交通可靠性分布如何？背后是因为什么因素所造成的？对于这些问题，过去不少人或许可以从经验上来进行判断，但却无法通过直观的数字来进行量化。因为这种量化需要对海量的出行样本进行统计分析和挖掘之后，才能找到其中所隐藏的“秘密”，但在过去的出行模式之下，显然难以实现。

　　而借助滴滴出行平台，每天都有海量的交通工具在平台上运行，这也为交通可靠性的量化提供了最有力的参考数据，也正是在此基础上，未来在智慧交通方案的制定上，才能更加有的放矢，达到更好的效果。在这个过程中，滴滴出行大数据让智慧交通的方向更加明确，成为了名副其实的“导航仪”。

　　事实上，滴滴正与越来越多的政府部门在智慧交通领域达成合作，此前滴滴出行分别于深圳和成都达成战略合作伙伴关系，共同推进当地的智慧交通建设，这也将让未来的城市出行环境变得更美好。