滴滴联合浙大发布交通可靠性指标 助力精准治堵

  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。

滴滴联合浙大发布交通可靠性指标  助力精准治堵

  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。

滴滴联合浙大发布交通可靠性指标  助力精准治堵

  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。

滴滴联合浙大发布交通可靠性指标  助力精准治堵

  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。

滴滴联合浙大发布交通可靠性指标  助力精准治堵

  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。

(0)
上一篇 2017年4月24日 11:08
下一篇 2017年4月24日 14:41