原本只需要30分鐘的上班路，卻因為意外發(fā)生的交通事故、預(yù)料之外的道路維修、臨時碰上的交通管制等等原因，使得最終到達(dá)的時間遠(yuǎn)遠(yuǎn)超出預(yù)期。

　　這些外界因素帶來出行中的“不可靠”，成為了影響人們出行體驗最重要的因素之一。為了應(yīng)對這些不可靠因素，人們應(yīng)該提前多長時間出發(fā)?這個看似無解的問題，卻通過滴滴出行大數(shù)據(jù)給出了解答。日前，滴滴出行聯(lián)合浙江大學(xué)交通工程研究所發(fā)布“中國主要城市交通可靠性分析報告”，利用滴滴出行大數(shù)據(jù)，制定了一系列測算交通可靠性的量化指標(biāo)，并對全國40座一、二、三線城市的交通可靠性進(jìn)行分析排名。

　　有了這個指數(shù)，出門需要提前預(yù)留多長時間，大概可以一目了然。

　　五大指標(biāo)量化城市交通可靠性

　　對于交通系統(tǒng)而言，何為“可靠性”?根據(jù)業(yè)內(nèi)學(xué)者的定義，交通可靠性是指在給定的一段時間內(nèi)，交通運(yùn)輸服務(wù)在一定的路段、區(qū)域中保持一致性的程度。

　　浙江大學(xué)交通工程研究所研究員陳喜群博士表示，城市道路系統(tǒng)經(jīng)常受到隨機(jī)因素的影響(交通事故、臨時交通管制、突發(fā)自然災(zāi)害等)，給居民出行帶來極大的不確定性。同時隨機(jī)因素降低了交通運(yùn)行的可靠性，對城市交通功能的發(fā)揮和城市發(fā)展產(chǎn)生了不利的影響。簡單地說，交通可靠性可以反映出路網(wǎng)的擁堵波動情況，居民出行隨時間和空間的規(guī)律，隨機(jī)因素對周圍路網(wǎng)和整個城市路網(wǎng)的影響，特殊地點(diǎn)(如火車站，機(jī)場等)附近的路網(wǎng)交通情況等。

　　在此之前，交通可靠性主要由出行者的經(jīng)驗來判斷，比如從自己家到公司，一般需要多長時間，出行者一般都有個基本判斷。但這一時間是否準(zhǔn)確，受到交通可靠性程度的影響，如果出門碰上交通事故，或者遭遇下雪天氣，那原本預(yù)計的出行時間就可能大大延長;如果路上意外情況很少，這一時間也可能大大縮短。

　　如何對交通可靠性進(jìn)行量化?對此，陳喜群博士的研究團(tuán)隊結(jié)合滴滴大數(shù)據(jù)，將指定城市劃分為了1公里乘以1公里的正方形網(wǎng)格區(qū)域，每次出行都是從出行者所在的區(qū)域出發(fā)，抵達(dá)目的地所在的區(qū)域后結(jié)束。舉例而言，早上7點(diǎn)半，一名乘客從家所在的A區(qū)域出發(fā)，前往公司所在的D區(qū)域結(jié)束。通過記錄這一行程，可以計算出乘客從A到D區(qū)域所行駛的距離，以及所花費(fèi)的時間。而借助滴滴大數(shù)據(jù)，可以計算出在一定的時間內(nèi)，所有從A到D區(qū)域的乘客相關(guān)數(shù)據(jù)，再擴(kuò)展為整個道路網(wǎng)絡(luò)上的多個區(qū)域，從而計算出道路網(wǎng)絡(luò)交通可靠性。

　　在此基礎(chǔ)上總結(jié)出五大量化指標(biāo)：網(wǎng)絡(luò)自由流行程時間率(NFTTR)、網(wǎng)絡(luò)平均行程時間率(NTTR)和網(wǎng)絡(luò)規(guī)劃行程時間率(NPTTR)，分別代表著道路完全暢通時每公里行駛時間、平均狀況下每公里行駛時間，以及為保證準(zhǔn)時到達(dá)目的地的每公里規(guī)劃時間。通過這三大指標(biāo)，研究人員總結(jié)出了“網(wǎng)絡(luò)緩沖行程時間率(NBTR)”及其指數(shù)NBTRI，兩者數(shù)值越高，代表相應(yīng)的交通可靠性程度越低。

　　40城市交通可靠性排名出門預(yù)留多少時間靠譜可以算

　　在人們印象中，似乎城市越大，交通越擁堵，交通可靠性就越低。但從這次的研究結(jié)果來看并非如此。

　　以北京為例，在道路完全暢通時，每行駛1公里所需時間為2分鐘;在通常情況下，平均每行駛一公里需要2.83分鐘;如果要確保準(zhǔn)時到達(dá)，每行駛一公里最多花費(fèi)4.94分鐘。這一數(shù)字表明，對于北京居民而言，為了保證能準(zhǔn)時抵達(dá)目的地，每公里行程需要額外預(yù)留2.11分鐘。這意味著北京的NBTRI指數(shù)為0.74，在本次研究劃分的類別中，僅屬于“輕度不可靠”(對本次研究的40個城市的交通可靠性等級進(jìn)行分類，NBTRI指數(shù)低于0.67，為“可靠”級別;指數(shù)在0.67-0.7之間，為“基本可靠”;指數(shù)在0.7-0.75之間，為“輕度不可靠”;指數(shù)在0.75-0.79之間為“中度不可靠”;指數(shù)大于等于0.79，為“嚴(yán)重不可靠”)。

　　而此次浙江大學(xué)交通工程研究所也對全國40座一、二、三線城市的交通可靠性進(jìn)行評測后發(fā)現(xiàn)，哈爾濱、長春和濟(jì)南的NBTR指數(shù)最高，表明交通可靠性較差，其中排名榜首的哈爾濱，如果居民想要準(zhǔn)時到達(dá)目的地，每公里至少需要多預(yù)留2.89分鐘;而交通可靠性最高的三座城市為三亞、蘇州和威海，其中在三亞每公里只需要多留出1.33分鐘就可以確保準(zhǔn)時到達(dá)。

　　對照NBTR掐指一算，你就知道自己提前多少分鐘出門最靠譜了。

　　交通可靠性研究將助力“精準(zhǔn)治堵”

　　為何哈爾濱和長春這兩座東北重鎮(zhèn)會名列前茅?對此，陳喜群博士認(rèn)為，在測算的2015-2016年期間，這兩座城市正在發(fā)展地下軌道交通，道路施工較多，造成地面道路的通行能力下降;同時兩座城市均為北方城市，冬季下雪天氣較多，使得路面結(jié)冰，降低道路通行能力，且易發(fā)生交通事故，這也造成了交通可靠性的降低。

　　陳喜群的研究團(tuán)隊此次是將城市進(jìn)行1公里乘以1公里的網(wǎng)格化分析，更加微觀地洞察了城市更小部位的交通狀況。對此，陳喜群博士認(rèn)為，“智慧交通”越來越多地被應(yīng)用于城市交通治理，而運(yùn)用大數(shù)據(jù)更細(xì)微地觀察路網(wǎng)狀況、居民出行感受度的交通可靠性分析，可以對城市“精準(zhǔn)治堵”提供參考依據(jù)，為路網(wǎng)布局和規(guī)劃提供決策支持。

　　北京市分區(qū)域交通可靠性指數(shù)

　　(圖中紅色越深表示交通可靠性程度越低, 可靠性較低的區(qū)域主要集中在繁華商業(yè)區(qū)和交通樞紐及換乘地區(qū)，如王府井、五道口、四元橋、遠(yuǎn)通橋等)

　　滴滴出行大數(shù)據(jù)將為智慧交通提供“導(dǎo)航儀”

　　一座城市的交通可靠性高不高?城市內(nèi)各個區(qū)域的交通可靠性分布如何?背后是因為什么因素所造成的?對于這些問題，過去不少人或許可以從經(jīng)驗上來進(jìn)行判斷，但卻無法通過直觀的數(shù)字來進(jìn)行量化。因為這種量化需要對海量的出行樣本進(jìn)行統(tǒng)計分析和挖掘之后，才能找到其中所隱藏的“秘密”，但在過去的出行模式之下，顯然難以實(shí)現(xiàn)。

　　而借助滴滴出行平臺，每天都有海量的交通工具在平臺上運(yùn)行，這也為交通可靠性的量化提供了最有力的參考數(shù)據(jù)，也正是在此基礎(chǔ)上，未來在智慧交通方案的制定上，才能更加有的放矢，達(dá)到更好的效果。在這個過程中，滴滴出行大數(shù)據(jù)讓智慧交通的方向更加明確，成為了名副其實(shí)的“導(dǎo)航儀”。

　　事實(shí)上，滴滴正與越來越多的政府部門在智慧交通領(lǐng)域達(dá)成合作，此前滴滴出行分別于深圳和成都達(dá)成戰(zhàn)略合作伙伴關(guān)系，共同推進(jìn)當(dāng)?shù)氐闹腔劢煌ńㄔO(shè)，這也將讓未來的城市出行環(huán)境變得更美好。