滴滴发布交通可靠性指标
三亚交通最可靠 ４０城中排第一
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。分析发现，三亚是全国交通可靠性最高的城市，其次为苏州和威海，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。交通可靠性较差的三名则为哈尔滨、长春和济南，如果哈尔滨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。
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。
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。
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。
滴滴出行大数据将为智慧交通提供“导航”
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。
（三亚日报记者 袁永东）