滴滴联合浙大发布交通可靠性指标 助力精准治堵

本篇文章847字，读完约2分钟

中国证券报(记者蒋洁琼)近日，滴滴出行和浙江大学交通工程学院发布了《中国主要城市交通可靠性分析报告》。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。

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。