雲南資訊報 記者黃超 雨雪天氣、意外交通事故、預料之外的道路維修……原本只需要30分鐘的上班路， 使得最終到達的時間遠遠超出預期。
為了應對這些不可靠因素， 昆明市民應該提前多長時間出發？日前， 滴滴出行聯合浙江大學交通工程研究所發佈“中國主要城市交通可靠性分析報告”， 利用滴滴出行大資料， 制定了一系列測算交通可靠性的量化指標， 並對全國40座一、二、三線城市的交通可靠性進行分析排名。
分析發現， 在全國交通可靠性城市榜單中， 昆明的排名為第30名， 每公里需要多留出2.26分鐘才能確保準時到達。 交通可靠性較差的三名則為哈爾濱、長春和濟南， 如果哈爾濱居民想要準時到達目的地， 每公里至少需要多預留2.89分鐘。
五大指標量化城市交通可靠性
對於交通系統而言， 何為“可靠性”？根據業內學者的定義， 交通可靠性是指在給定的一段時間內， 交通運輸服務在一定的路段、區域中保持一致性的程度。
浙江大學交通工程研究所研究員陳喜群博士表示， 城市道路系統經常受到隨機因素的影響（交通事故、臨時交通管制、突發自然災害等），
在此之前， 交通可靠性主要由出行者的經驗來判斷， 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， 那原本預計的出行時間就可能大大延長；如果路上意外情況很少，
如何對交通可靠性進行量化？對此， 陳喜群博士的研究團隊結合滴滴大資料， 將指定城市劃分為了1公里乘以1公里的正方形網格區域， 每次出行都是從出行者所在的區域出發， 抵達目的地所在的區域後結束。 舉例而言， 早上7點半， 一名乘客從家所在的A區域出發， 前往公司所在的D區域結束。 通過記錄這一行程， 可以計算出乘客從A到D區域所行駛的距離， 以及所花費的時間。 而借助滴滴大資料， 可以計算出在一定的時間內， 所有從A到D區域的乘客相關資料， 再擴展為整個道路網路上的多個區域， 從而計算出道路網路交通可靠性。
在此基礎上總結出五大量化指標：網路自由流行程時間率（NFTTR）、網路平均行程時間率（NTTR）和網路規劃行程時間率（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， 以及為保證準時到達目的地的每公里規劃時間。 通過這三大指標， 研究人員總結出了“網路緩衝行程時間率（NBTR）”及其指數NBTRI， 兩者數值越高，代表相應的交通可靠性程度越低。
交通可靠性研究將助力“精准治堵”
為何哈爾濱和長春這兩座東北重鎮會名列前茅？對此，陳喜群博士認為，在測算的2015-2016年期間，這兩座城市正在發展地下軌道交通，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，使得路面結冰，降低道路通行能力，且易發生交通事故，這也造成了交通可靠性的降低。
在全國交通可靠性城市榜單中，昆明的排名為第30名，每公里需要多留出2.26分鐘才能確保準時到達。雖然距離哈爾濱和長春的時間還有半分多種，但昆明這項目之所以位列40城中30位，影響上述兩城交通的因素也正在影響著昆明的交通出行。
陳喜群的研究團隊此次是將城市進行1公里乘以1公里的網格化分析，更加微觀地洞察了城市更小部位的交通狀況。對此，陳喜群博士認為，“智慧交通”越來越多地被應用于城市交通治理，而運用大資料更細微地觀察路網狀況、居民出行感受度的交通可靠性分析，可以對城市“精准治堵”提供參考依據，為路網佈局和規劃提供決策支援。
（北京市分區域交通可靠性指數，圖中紅色越深表示交通可靠性程度越低, 可靠性較低的區域主要集中在繁華商業區和交通樞紐及換乘地區，如王府井、五道口、四元橋、遠通橋等）
滴滴出行大資料將為智慧交通提供“導航儀”
一座城市的交通可靠性高不高？城市內各個區域的交通可靠性分佈如何？背後是因為什麼因素所造成的？對於這些問題，過去不少人或許可以從經驗上來進行判斷，但卻無法通過直觀的數位來進行量化。因為這種量化需要對海量的出行樣本進行統計分析和挖掘之後，才能找到其中所隱藏的“秘密”，但在過去的出行模式之下，顯然難以實現。
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行，這也為交通可靠性的量化提供了最有力的參考資料，也正是在此基礎上，未來在智慧交通方案的制定上，才能更加有的放矢，達到更好的效果。在這個過程中，滴滴出行大資料讓智慧交通的方向更加明確，成為了名副其實的“導航儀”。
事實上，滴滴正與越來越多的政府部門在智慧交通領域達成合作，此前滴滴出行分別于深圳和成都達成戰略合作夥伴關係，共同推進當地的智慧交通建設，這也將讓未來的城市出行環境變得更美好。
兩者數值越高，代表相應的交通可靠性程度越低。交通可靠性研究將助力“精准治堵”
為何哈爾濱和長春這兩座東北重鎮會名列前茅？對此，陳喜群博士認為，在測算的2015-2016年期間，這兩座城市正在發展地下軌道交通，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，使得路面結冰，降低道路通行能力，且易發生交通事故，這也造成了交通可靠性的降低。
在全國交通可靠性城市榜單中，昆明的排名為第30名，每公里需要多留出2.26分鐘才能確保準時到達。雖然距離哈爾濱和長春的時間還有半分多種，但昆明這項目之所以位列40城中30位，影響上述兩城交通的因素也正在影響著昆明的交通出行。
陳喜群的研究團隊此次是將城市進行1公里乘以1公里的網格化分析，更加微觀地洞察了城市更小部位的交通狀況。對此，陳喜群博士認為，“智慧交通”越來越多地被應用于城市交通治理，而運用大資料更細微地觀察路網狀況、居民出行感受度的交通可靠性分析，可以對城市“精准治堵”提供參考依據，為路網佈局和規劃提供決策支援。
（北京市分區域交通可靠性指數，圖中紅色越深表示交通可靠性程度越低, 可靠性較低的區域主要集中在繁華商業區和交通樞紐及換乘地區，如王府井、五道口、四元橋、遠通橋等）
滴滴出行大資料將為智慧交通提供“導航儀”
一座城市的交通可靠性高不高？城市內各個區域的交通可靠性分佈如何？背後是因為什麼因素所造成的？對於這些問題，過去不少人或許可以從經驗上來進行判斷，但卻無法通過直觀的數位來進行量化。因為這種量化需要對海量的出行樣本進行統計分析和挖掘之後，才能找到其中所隱藏的“秘密”，但在過去的出行模式之下，顯然難以實現。
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行，這也為交通可靠性的量化提供了最有力的參考資料，也正是在此基礎上，未來在智慧交通方案的制定上，才能更加有的放矢，達到更好的效果。在這個過程中，滴滴出行大資料讓智慧交通的方向更加明確，成為了名副其實的“導航儀”。
事實上，滴滴正與越來越多的政府部門在智慧交通領域達成合作，此前滴滴出行分別于深圳和成都達成戰略合作夥伴關係，共同推進當地的智慧交通建設，這也將讓未來的城市出行環境變得更美好。