百度地图《2018年度中国城市交通报告》

Transcription

1 2018年年度 中国城市交通报告 China Urban Transportation Report 科技让出行更简单

2 声明 中国城市交通报告 由百度地图联合清华 大学数据科学研究院交通 大数据研究中 心 东南 大学交通学院 深圳市都市交通规划设计研究院 赛 文交通 网 青岛特来电新能源公司 百 度阿波罗平台 百度研究院商业智能实验室 百度声纳 百度指数 百度百科及百度数说联合编写 本报告所涉及的反映城市交通状况的指标均基于百度地图海海量量的交通出 行行数据 车 辆轨迹数据 位置定位数据 POI 数据以及百度搜索数据 百度新闻媒体数据挖掘计算所得 本报告选取了了中国 100 个主要城市, 通过 大数据客观反映城市的交通拥堵 居 民通勤勤 居 民出 行行 公共交通 交通与环境 绿 色出 行行 自动驾驶和智能交通市场 8 个 方 面的状况, 以供社 会公众和相关政府部 门 科研院所 高等院校 企事业单位参考 本报告版权为百度地图所有, 未经书 面许可, 任何机构和个 人不不得以任何形式翻版 复制和发布 如引 用发布, 需注明出处为 百度地图, 且不不得对本报告进 行行有悖原意的引 用 删节 和修改 本报告最终解释权归百度地图所有 如需查看往期 大数据报告, 可访问 或扫描右 方 二维码 百度地图智慧交通微信公众号 1

3 联合发布 2

4 目录 01 城市交通拥堵状况 05 城市交通与环境问题 02 城市居 民通勤勤状况 06 城市绿 色出 行行发展状况 03 城市居 民出 行行状况 07 自动驾驶发展状况 04 城市公共交通状况 08 城市智能交通市场发展状况 3

5 01 城市交通拥堵状况 4

6 2018Q4 全国百城交通拥堵排名 TOP10( 城市不不分类 ) 2018 年年第 4 季度, 哈尔滨超过北北京位列列全国百城拥堵榜单 首位, 通勤勤 高峰拥堵指数环 比第 3 季度上升 3.28% 北北京和重庆分列列拥堵榜单第 二位和第三位 2018Q4 排名 环 比排名升降 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 1 哈尔滨 % 北北京 % 重庆 % 呼和浩特 % 长春 % 贵阳 % 济南 % 乐 山 % 南京 % 合肥 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 5

7 2018Q4 拥堵缓解 及 拥堵加重 TOP10 城市 ( 城市不不分类 ) 2018 年年第 4 季度, 拥堵缓解 TOP10 城市中, 上海海 清远 长春位列列前三位, 其第 4 季度通勤勤 高峰拥堵指数环 比分别下降 10.41% 9.03% 和 7.30% 其中, 上海海通勤勤 高峰期的拥堵缓解程度最 大, 百城拥堵排名跌出前 10, 缓堵成效显著 长春拥堵程度缓解也相对较 大, 其通勤勤 高峰拥堵指数环 比下降 7.30% 2018 年年第 4 季度, 拥堵加重 TOP10 城市中, 乌鲁 木 齐 拉萨 衡阳位列列前三位, 其第 4 季度通勤勤 高峰拥堵指数环 比上升 25.17% 12.87% 和 11.35% 拥堵缓解排名 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 拥堵加重排名 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 上海海 % 清远 % 长春 % 泰安 % 昆明 % 成都 % 银川 % 淄博 % 大连 % 深圳 % 乌鲁 木 齐 % 拉萨 % 衡阳 % 南阳 % 济宁 % 漳州 % 柳柳州 % 洛洛阳 % 嘉兴 % 西安 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 6

8 附表 1:2018Q4 全国百城交通拥堵指数排名 ( 城市不不分类 ) 2018Q4 排名 环 比排名升降 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 1 哈尔滨 % 北北京 % 重庆 % 呼和浩特 % 长春 % 贵阳 % 济南 % 乐 山 % 南京 % 合肥 % 济宁 % 沈沈阳 % 长沙 % 上海海 % 衡阳 % 宜宾 % 南宁 % 大连 % 绵阳 % 昆明 % 桂林林 % 天津 % 厦 门 % 武汉 % 佛 山 % Q4 排名 环 比排名升降 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 26 7 福州 % 汕头 % 杭州 % 海海 口 % 珠海海 % 西安 % 拉萨 % 廊坊 % 乌鲁 木 齐 % 张家 口 % 大理理 % 茂名 % 沧州 % 郑州 % 柳柳州 % 太原 % 韶关 % 潮州 % 东莞 % 广州 % 青岛 % 秦皇岛 % 南昌 % 洛洛阳 % 湛江 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 其中, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 7

9 附表 1:2018Q4 全国百城交通拥堵指数排名 ( 续 )( 城市不不分类 ) 2018Q4 排名 环 比排名升降 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 51 4 徐州 % 阳泉 % 唐 山 % 保定 % 惠州 % 临沂 % 兰州 % 成都 % 邢台 % 云浮 % 石家庄 % 深圳 % 泉州 % 南阳 % 苏州 % 中 山 % 漳州 % 邯郸 % 衡 水 % 赣州 % 潍坊 % 大同 % 连云港 % 镇江 % 银川 % Q4 排名 环 比排名升降 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 76 1 肇庆 % 温州 % 淮安 % 清远 % 江 门 % 盐城 % 无锡 % 西宁 % 新乡 % 宁波 % 德州 % 嘉兴 % 烟台 % 淄博 % 台州 % 南充 % 绍兴 % 咸阳 % 泰安 % 扬州 % 三亚 % 南通 % 常州 % 金金华 % 湖州 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 8

10 2018Q4 全国百城交通拥堵排名 TOP10( 城市分类 ) 汽 车保有量量超 300 万级城市拥堵排名 汽 车保有量量 200 万级城市拥堵 TOP10 排名 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 北北京 % 重庆 % 上海海 % 西安 % 郑州 % 成都 % 深圳 % 苏州 % 排名 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 济南 % 南京 % 沈沈阳 % 长沙 % 昆明 % 天津 % 武汉 % 佛 山 % 杭州 % 东莞 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 汽 车保有量量数据更更新 至 2018 年年 11 月底 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 9

11 2018Q4 全国百城交通拥堵排名 TOP10( 城市分类 ) 汽 车保有量量 100 万级城市拥堵 TOP10 汽 车保有量量 小于 100 万级城市拥堵 TOP10 排名 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 哈尔滨 % 呼和浩特 % 长春 % 贵阳 % 合肥 % 济宁 % 南宁 % 大连 % 厦 门 % 福州 % 排名 城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 乐 山 % 衡阳 % 宜宾 % 绵阳 % 桂林林 % 汕头 % 海海 口 % 珠海海 % 拉萨 % 张家 口 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 汽 车保有量量数据更更新 至 2018 年年 11 月底 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 10

12 附表 2:2018Q4 全国百城交通拥堵指数排名 ( 城市分类 ) 城市分类排名城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 北北京 % 城市分类排名城市 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 济南 % 南京 % 沈沈阳 % 重庆 % 长沙 % 昆明 % 上海海 % 天津 % 武汉 % 佛 山 % 汽 车保有量量 >300 万辆 4 西安 % 郑州 % 汽 车保有量量 万辆 9 杭州 % 东莞 % 广州 % 青岛 % 成都 % 唐 山 % 保定 % 临沂 % 深圳 % 石家庄 % 潍坊 % 苏州 % 温州 % 宁波 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 汽 车保有量量数据更更新 至 2018 年年 11 月底 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 11

13 附表 2:2018Q4 全国百城交通拥堵指数排名 ( 续 )( 城市分类 ) 城市分类排名城市 汽 车保有量量 万辆 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 哈尔滨 % 呼和浩特 % 长春 % 贵阳 % 合肥 % 济宁 % 南宁 % 大连 % 厦 门 % 福州 % 廊坊 % 乌鲁 木 齐 % 沧州 % 太原 % 南昌 % 洛洛阳 % 徐州 % 惠州 % 邢台 % 泉州 % 南阳 % 中 山 % 邯郸 % 无锡 % 嘉兴 % 烟台 % 淄博 % 台州 % 绍兴 % 南通 % 常州 % 金金华 % 城市分类排名城市 汽 车保有量量 <100 万辆 2018Q4 通勤勤 高峰拥堵指数 拥堵指数环 比 2018Q3 2018Q4 通勤勤 高峰实际速度 (km/h) 1 乐 山 % 衡阳 % 宜宾 % 绵阳 % 桂林林 % 汕头 % 海海 口 % 珠海海 % 拉萨 % 张家 口 % 大理理 % 茂名 % 柳柳州 % 韶关 % 潮州 % 秦皇岛 % 湛江 % 阳泉 % 兰州 % 云浮 % 漳州 % 衡 水 % 赣州 % 大同 % 连云港 % 镇江 % 银川 % 肇庆 % 淮安 % 清远 % 江 门 % 盐城 % 西宁 % 新乡 % 德州 % 南充 % 咸阳 % 泰安 % 扬州 % 三亚 % 湖州 % 数据说明 : 本报告采 用 通勤勤 高峰拥堵指数 作为表征城市交通拥堵状况的指标, 即 工作 日早晚 高峰时段, 实际 行行程时间与畅通 行行程时间的 比值 其中, 早 高峰为 07:00~09:00, 晚 高峰为 17:00~19:00, 乌鲁 木 齐和拉萨的早晚 高峰时间因时区原因有所调整 本报告中各分析指标所反映的评价范围是 100 个城市的主城区, 各城市主城区范围是根据政府公开数据 百度地图地理理数据 人 口热 力力数据等综合分析确定 汽 车保有量量数据更更新 至 2018 年年 11 月底 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 12

14 城市交通拥堵综合评价体系构建 城市交通拥堵六维特征画像 高峰拥堵指数 严重拥堵路路段 里里程占 比 评估路路 网中严重拥堵状态的空间蔓延程度 评估全路路 网以平峰为参照的 高峰拥堵严重程度同类城市排名 N 严重拥堵持续时间 区域间拥堵不不均衡系数 评估路路 网中不不同区域交通拥堵的差异程度 高峰 车速波动系数常发性严重拥堵路路段 里里程占 比 评估不不同 日期 高峰期间全路路 网平均运 行行速度波动程度评估路路 网中通勤勤 高峰期间严重拥堵路路段的拥堵成因差异 评估路路 网中严重拥堵状态的时间持续程度 1 严重拥堵路路段 里里程占 比 : 工作 日通勤勤 高峰期间, 城市路路 网中发 生严重拥堵的路路段 里里程与路路 网总 里里程的 比例例 ; 区域间拥堵不不均衡系数 : 工作 日通勤勤 高峰期间, 城市路路 网中不不同 网格区域拥堵指数的离散程度 ; 常发性严重拥堵路路段 里里程占 比 : 工作 日通勤勤 高峰期间, 城市路路 网中常发性严重拥堵路路段占全部严重拥堵路路段的 比例例 ; 严重拥堵持续时间 : 工作 日通勤勤 高峰期间, 全路路 网处于严重拥堵状态的平均累计时间 ; 高峰 车速波动系数 : 工作 日通勤勤 高峰全路路 网平均 车速的离散程度 ; 高峰拥堵指数 : 工作 日通勤勤 高峰期间, 实际 行行程时间与畅通 行行程时间的 比值 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 13

15 城市交通拥堵六维特征画像 ( 汽 车保有量量超 300 万级典型城市 ) 1. 四项指标居 首 2. 拥堵呈现空间蔓延 广 区域间不不均衡严重 常发占 比 高 持续时间 长 拥堵严重的特点 1. 同类城市中区域间拥堵不不均衡现象最为严重 2. 高峰拥堵较为严重 持续时间较 长 常发占 比较 高 1. 严重拥堵空间蔓延较 广 日 高峰平 均 车速波动性较 大 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 14

16 城市交通拥堵六维特征画像 ( 汽 车保有量量 200 万级典型城市 ) 1. 同类城市中五项指标较 高 2. 拥堵较为严重 1. 高峰拥堵严重 持续时间 长 2. 拥堵区域不不均衡性严重 3. 严重拥堵状态的空间蔓延 小 1. 高峰拥堵较为严重 2. 严重拥堵状态的空间蔓延较 广 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 15

17 城市交通拥堵六维特征画像 ( 汽 车保有量量 100 万级典型城市 ) 1. 同类城市中六项指标都较 高 1. 高峰拥堵严重 持续时间 长 常发占 比 高 2. 拥堵区域不不均衡性严重 3. 严重拥堵状态的空间蔓延较 小 1. 高峰拥堵严重 持续时间 长 严重 拥堵状态的空间蔓延 广 2. 拥堵区域不不均衡性严重 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 16

18 城市交通拥堵六维特征画像 ( 汽 车保有量量低于 100 万级典型城市 ) 1. 高峰拥堵严重 持续时间 长 2. 严重拥堵状态的空间蔓延 广且常发性 高 3. 常发性拥堵占 比较 高 1. 高峰拥堵严重 持续时间 长 2. 区域间拥堵不不均衡性严重 3. 常发性拥堵路路段占 比 高 1. 高峰拥堵较为严重 持续时间较 长 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 17

19 城市交通拥堵六维特征画像 全国百城 严重拥堵持续时间 严重拥堵持续时间, 是指 工作 日通勤勤 高峰期间全路路 网处于严重拥堵状态的平均累计时间, 用以评估路路 网中严重拥堵状态的时间持续程度 2.0 h 汽 车保有量量超 300 万级汽 车保有量量 200 万级汽 车保有量量 100 万级汽 车保有量量低于 100 万级 同类城市均值 1.5 h 1.0 h 0.5 h h 北北京重庆上海海郑州 西安成都苏州深圳 长沙济南南京昆明佛 山沈沈阳 广州武汉东莞杭州临沂 石家庄天津保定唐 山 青岛潍坊宁波温州哈尔滨贵阳呼和浩特 长春济宁合肥南宁厦 门福州乌鲁 木 齐廊坊沧州徐州 大连太原惠州南昌南阳嘉兴洛洛阳烟台中 山泉州邯郸 无锡淄博邢台绍兴南通 金金华台州常州乐 山衡阳海海 口汕头桂林林茂名潮州宜宾拉萨绵阳韶关珠海海湛江云浮柳柳州 大理理张家 口江 门漳州 西宁肇庆秦皇岛兰州清远阳泉咸阳衡 水银川泰安赣州新乡德州南充湖州淮安镇江连云港 大同盐城扬州三亚 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 18

20 城市交通拥堵六维特征画像 全国百城 严重拥堵路路段 里里程占 比 严重拥堵路路段 里里程占 比, 是指 工作 日通勤勤 高峰期间, 城市路路 网中发 生严重拥堵的路路段 里里程与路路 网总 里里程的 比例例, 用以评估路路 网中严重拥堵状态的空间蔓延程度 40% 汽 车保有量量超 300 万级汽 车保有量量 200 万级汽 车保有量量 100 万级汽 车保有量量低于 100 万级 同类城市均值 30% 20% 16.2% 16.3% 16.4% 15.7% 10% 0% 北北京上海海重庆 西安深圳郑州成都苏州天津 石家庄沈沈阳济南唐 山保定武汉佛 山 长沙杭州潍坊昆明 广州南京 青岛临沂东莞温州宁波济宁哈尔滨 长春沧州邯郸乌鲁 木 齐廊坊邢台厦 门呼和浩特福州洛洛阳 大连淄博太原贵阳合肥南阳南宁南通常州南昌台州徐州 金金华烟台中 山泉州惠州 无锡嘉兴绍兴乐 山潮州茂名湛江绵阳秦皇岛张家 口汕头衡阳泰安海海 口镇江衡 水德州新乡 大同阳泉银川咸阳连云港韶关盐城扬州 大理理宜宾珠海海桂林林南充江 门淮安漳州云浮拉萨赣州 西宁湖州兰州柳柳州清远肇庆三亚 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 19

21 城市交通拥堵六维特征画像 全国百城 区域间拥堵不不均衡系数 区域间拥堵不不均衡系数, 是指 工作 日通勤勤 高峰期间, 城市路路 网中不不同 网格区域拥堵指数的离散程度, 用以评估路路 网中不不同区域的交通拥堵差异程度 ; 0.24 汽 车保有量量超 300 万级汽 车保有量量 200 万级汽 车保有量量 100 万级汽 车保有量量低于 100 万级 同类城市均值 重庆北北京 西安上海海深圳苏州郑州成都济南武汉南京保定佛 山沈沈阳昆明 长沙天津 石家庄 青岛宁波潍坊临沂温州 广州东莞唐 山杭州哈尔滨呼和浩特福州合肥 长春太原南昌 大连廊坊济宁乌鲁 木 齐厦 门泉州惠州台州烟台徐州邯郸南宁淄博贵阳南阳嘉兴南通中 山洛洛阳邢台 无锡绍兴常州沧州 金金华珠海海衡阳 西宁咸阳兰州泰安南充张家 口赣州 大同肇庆汕头淮安宜宾绵阳江 门 大理理扬州银川乐 山湖州柳柳州湛江云浮桂林林拉萨德州新乡韶关潮州三亚镇江清远秦皇岛盐城海海 口连云港漳州衡 水茂名阳泉 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 20

22 城市交通拥堵六维特征画像 全国百城 区域间拥堵不不均衡系数 ( 续 ) 在汽 车保有量量 万的城市中, 哈尔滨 廊坊 金金华的区域间拥堵不不均衡系数分别为 和 0.09 哈尔滨路路 网的区域间拥堵差异程度最 大 哈尔滨 廊坊 金金华 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 21

23 城市交通拥堵六维特征画像 全国百城 常发性严重拥堵路路段 里里程占 比 常发性严重拥堵路路段 里里程占 比, 是指 工作 日通勤勤 高峰期间, 城市路路 网中常发性严重拥堵路路段占全部严重拥堵路路段的 比例例, 用以评估路路 网中通勤勤 高峰期间严重拥堵路路段的拥堵成因差异 70.0% 汽 车保有量量超 300 万级汽 车保有量量 200 万级汽 车保有量量 100 万级汽 车保有量量低于 100 万级 同类城市均值 52.5% 49.6% 49.6% 49.8% 50.5% 35.0% 17.5% 0.0% 北北京重庆上海海 西安郑州深圳成都苏州济南 石家庄唐 山保定 广州沈沈阳佛 山天津武汉 长沙南京昆明杭州东莞温州临沂潍坊 青岛宁波济宁呼和浩特邯郸哈尔滨洛洛阳贵阳台州 金金华淄博 长春廊坊南昌 大连厦 门太原沧州邢台惠州合肥乌鲁 木 齐徐州福州南阳中 山南宁绍兴南通嘉兴泉州常州 无锡烟台乐 山张家 口衡阳潮州咸阳绵阳桂林林湛江韶关 大理理汕头秦皇岛银川南充宜宾泰安连云港云浮镇江清远海海 口德州衡 水新乡珠海海赣州盐城柳柳州茂名扬州拉萨阳泉兰州漳州湖州肇庆 大同江 门 西宁淮安三亚 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 22

24 城市交通拥堵六维特征画像 全国百城 高峰 车速波动系数 高峰 车速波动系数, 是指 工作 日通勤勤 高峰全路路 网平均 车速的离散程度, 用以评估不不同 日期间 高峰期间全路路 网平均运 行行速度波动程度 0.40 汽 车保有量量超 300 万级汽 车保有量量 200 万级汽 车保有量量 100 万级汽 车保有量量低于 100 万级 同类城市均值 郑州上海海成都苏州重庆 西安深圳北北京 石家庄唐 山宁波杭州南京武汉昆明保定济南佛 山 广州东莞临沂 长沙沈沈阳潍坊温州 青岛天津嘉兴烟台乌鲁 木 齐南通常州沧州哈尔滨 无锡合肥徐州绍兴济宁南宁淄博 长春福州廊坊贵阳洛洛阳邢台南昌台州呼和浩特 金金华南阳泉州 大连太原惠州邯郸中 山厦 门拉萨海海 口扬州江 门淮安湖州绵阳镇江泰安盐城 大理理柳柳州桂林林 西宁清远连云港茂名云浮湛江咸阳银川兰州漳州衡阳赣州韶关宜宾潮州汕头珠海海肇庆新乡衡 水阳泉乐 山德州秦皇岛三亚张家 口南充 大同 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 23

25 城市交通拥堵六维特征画像 全国百城 高峰 车速波动系数 ( 续 ) 高峰 车速波动程度, 一般受到不不利利天 气 道路路施 工 大型活动 交通管理理政策实施等因素的影响 通勤勤 高峰实际 车速 (km/h) 11 月 21 日之后, 郑州开始实施单双号限 行行, 高峰期全路路 网平均 车速明显提升 通勤勤 高峰实际 车速 (km/h) 12 月 10 日 -24 日, 石家庄单双号限号, 高峰期全路路 网平均 车速提升 通勤勤 高峰实际 车速 (km/h) 11 月 26 日后, 速度明显下降 通勤勤 高峰实际 车速 (km/h) 12 月 6 日, 烟台迎来第 一场降雪, 后续数 日交通较为拥堵 ; 12 月 27 日, 再次降雪, 速度明显下降 通勤勤 高峰实际 车速 (km/h) 11 月 6 日 -10 日, 上海海进 口博览会, 有相关交通管制, 且 11 月 5 6 日调休 通勤勤 高峰实际 车速 (km/h) 12 月 18 日, 拉萨第 一场雪 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 24

26 城市交通拥堵六维特征画像 全国百城 高峰拥堵指数 高峰拥堵指数 : 工作 日通勤勤 高峰期间, 实际 行行程时间与畅通 行行程时间的 比值, 用以评估全路路 网以平峰为参照的 高峰运 行行状态恶化程度 2.0 汽 车保有量量超 300 万级汽 车保有量量 200 万级汽 车保有量量 100 万级汽 车保有量量低于 100 万级 同类城市均值 北北京重庆上海海 西安郑州成都深圳苏州济南南京沈沈阳 长沙昆明天津武汉佛 山杭州东莞 广州 青岛唐 山保定临沂 石家庄潍坊温州宁波哈尔滨呼和浩特 长春贵阳合肥济宁南宁 大连厦 门福州廊坊乌鲁 木 齐沧州太原南昌洛洛阳徐州惠州邢台泉州南阳中 山邯郸 无锡嘉兴烟台淄博台州绍兴南通常州 金金华乐 山衡阳宜宾绵阳桂林林汕头海海 口珠海海拉萨张家 口 大理理茂名柳柳州韶关潮州秦皇岛湛江阳泉兰州云浮漳州衡 水赣州 大同连云港镇江银川肇庆淮安清远江 门盐城 西宁新乡德州南充咸阳泰安扬州三亚湖州 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 25

27 六维特征指标间相互关系分析 通过对常发性严重拥堵路路段 里里程占 比和严重拥堵路路段 里里程占 比的回归分析, 发现 二者呈现较强的正相关 通过对区域间拥堵不不均衡系数和 高峰拥堵指数的回归分析, 发现 二者呈现较强相关性, 即当城市总体较为拥堵时, 各区域间的拥堵程度差异也较 大 常发性严重拥堵路路段 里里程占 比与严重拥堵路路段 里里程占 比 区域间拥堵不不均衡系数与 高峰拥堵指数 40% 严重拥堵路路段 里里程占 比 30% 20% 10% 区域间拥堵不不均衡系数 各城市常发性严重拥堵路路段 里里程占 比及严重拥堵路路段 里里程占 比 相关性趋势 各城市 高峰拥堵指数及区域间拥堵不不均衡系数 相关性趋势 0% 30% 40% 50% 60% 70% 常发性严重拥堵路路段 里里程占 比 高峰拥堵指数 模型开发 : 由清华 大学数据科学研究院交通 大数据研究中 心与百度地图联合开发 ; 数据范围 :2018 年年第 4 季度 ; 如需查看各城市实时交通拥堵状况, 可登陆 网址 或扫描左 方 Baidu 2018 年度中国城市交通报告 26

28 02 城市居民通勤状况 27

29 城市职住不不均衡性评价 过剩通勤勤指数 城市居 民的就业地和居住地距离过远所造成的不不均衡 ( 以下简称职住分离 ) 是造成城市交通拥堵的重要原因之 一 量量化城市职住分离状况, 洞洞察背后成因, 再通过城市 用地布局优化调整等 手段来减少通勤勤交通压 力力, 对于从源头上缓解拥堵 至关重要 在城市交通规划中, 一般使 用过剩通勤勤指数来衡量量城市职住分离的严重程度, 过剩通勤勤指数 = ( 实际平均通勤勤距离 - 理理论最 小通勤勤距离 )/ 实际平均通勤勤距离 其中, 理理论最 小通勤勤距离为在不不改变 目前城市结构的前提下, 居 民居住与就业最优组合下的通勤勤距离最 小值 对全国百城过剩通勤勤指数分析显示 : A. 沈沈阳 西安 重庆三个城市的职住分离程度最为严重, 位列列前三 ; B. 一线城市北北 上 广 深的职住分离程度依次减弱, 北北京最为严重 此外, 与常规认知不不同的是, 一线城市的职住分离现象并 非是最严重的 ; C. 中 山 东莞 佛 山三个城市的过剩通勤勤指数位列列最后三位, 表明这三个珠三 角城市的职住均衡性最好 过剩通勤勤指数 沈沈阳市 西安市重庆市成都市乌鲁 木 齐市哈尔滨市 石家庄市太原市 大连市天津市 长春市 西宁市北北京市 长沙市南充市绵阳市济南市兰州市武汉市福州市合肥市乐 山市秦皇岛市郑州市南昌市上海海市唐 山市洛洛阳市邯郸市呼和浩特市南阳市贵阳市新乡市宜宾市衡阳市济宁市泉州市 大同市保定市南京市 广州市咸阳市淄博市银川市 青岛市烟台市厦 门市海海 口市昆明市湛江市张家 口市徐州市南宁市沧州市邢台市阳泉市杭州市淮安市连云港市泰安市漳州市德州市柳柳州市宁波市桂林林市赣州市临沂市茂名市深圳市盐城市常州市拉萨市廊坊市衡 水市 金金华市温州市台州市 无锡市潍坊市绍兴市南通市汕头市扬州市镇江市韶关市潮州市珠海海市 大理理州云浮市肇庆市惠州市嘉兴市湖州市江 门市清远市苏州市三亚市中 山市东莞市佛 山市 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 28

30 各类城市职住不不均衡性评价 部分同等规模的城市, 其过剩通勤勤指数差异较 大, 该结果可以 用于指导相同主城区规模城市的城市规划和交通规划的改进 方向 例例如, 唐 山的 行行政区 面积只 比肇庆 大 0.08%, 中 心城区 面积只 比肇庆 小 0.8%, 但唐 山的过剩通勤勤指数却 比肇庆 大 55.3% 同等规模城市过剩通勤勤指数 比较 唐 山通勤勤 OD 期望线图 肇庆通勤勤 OD 期望线图 城市 行行政区 面积 ( 平 方公 里里 ) 中 心城区 面积 ( 平 方公 里里 ) 过剩通勤勤指数 ( 职住不不均衡 ) 唐 山 肇庆 咸阳 德州 中 山 厦 门 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 29

31 城市职住不不均衡和拥堵的关系 过剩通勤勤指数与通勤勤 高峰拥堵指数呈较强的正相关, 表明平均意义上, 城市的职住不不均衡现象越严重, 该城市越倾向于拥堵 过剩通勤勤指数与通勤勤 高峰拥堵指数的相关性 2 各城市过剩通勤勤指数及 2018Q4 通勤勤 高峰拥堵指数 相关性趋势 1.75 通勤勤 高峰拥堵指数 过剩通勤勤指数数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月-2018 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 30

32 城市居 民通勤勤成本评价 单程平均通勤勤时间 和 单程平均通勤勤距离 可以作为表征城市通勤勤成本和职住分离状况的指标, 即 工作 日早晚 高峰上下班单程平均 行行程时间和距离 在平均通勤勤距离 方 面, 二线城市平均通勤勤距离最 小 ; 在平均通勤勤时间 方 面, 一线 新 一线以及 二线 三线及四 五线的平均通勤勤时间均值依次递减 ; 过剩通勤勤指数与 行行政区单程平均通勤勤距离呈较强的正相关, 表明城市的职住不不均衡现象越严重, 居 民的单程平均通勤勤距离就越 长 中 心城区范围的单程平均通勤勤距离和时间 比 行行政区范围的对应值要 大, 主要是因为以中 心城区范围统计时, 存在很多从远郊区县 长距离通勤勤到中 心城区上班的 人群 ; 但是以 行行政区划范围统计时, 由于包含了了 大量量在中 心城区外围卫星城内部通勤勤的 人群, 客观上就会整体拉低平均通勤勤距离和时间 各类城市平均通勤勤距离及平均通勤勤时间 过剩通勤勤指数与 行行政区单程平均通勤勤距离相关性 平均通勤勤距离 (km) 平均值项 : 中 心城区单程平均通勤勤距离 (km) 一线 新 一线城市 平均值项 : 行行政区单程平均通勤勤距离 (km) 二线城市三线城市 四 五线城市 平均通勤勤时间 (min) 平均值项 : 中 心城区单程平均通勤勤时间 (min) 平均值项 : 行行政区单程平均通勤勤时间 (min) 一线 新 一线城市 二线城市三线城市四 五线城市 行行政区单程平均通勤勤距离 (km) 各城市过剩通勤勤指数及 行行政区单程平均通勤勤距离 相关性趋势 过剩通勤勤指数 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 31

33 城市通勤勤成本评价 一线城市 钱多离家近 几乎不不可能 四 大 一线城市均呈现 钱多离家相对远 钱少离家相对近 的特征 : 四城市 高收 入群体通勤勤距离 大于 10km 的 比例例为低收 入群体该 比例例的 倍, 四城市低收 入群体通勤勤距离 小于 3km 的 比例例为 高收 入群体该 比例例的 倍 一线城市 高收 入群体通勤勤距离分布 一线城市中 高收 入群体通勤勤距离分布 小于 3km 3-5km 5-10km 10-15km 15-20km 20-25km 25km 以上 小于 3km 3-5km 5-10km 10-15km 15-20km 20-25km 25km 以上 北北京市上海海市 广州市深圳市 0% 25% 50% 75% 100% 北北京市上海海市 广州市深圳市 0% 25% 50% 75% 100% 北北京市上海海市 广州市深圳市 一线城市中低收 入群体通勤勤距离分布 0% 25% 50% 75% 100% 北北京市上海海市 广州市深圳市 一线城市低收 入群体通勤勤距离分布 0% 25% 50% 75% 100% 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 32

34 城市通勤勤成本评价 典型 二线及以下城市 钱多离家近 不不是梦 二线城市不不同程度地表现出 钱多离家相对近 的特征 : 以 石家庄市 保定市 徐州市为代表的近半数 二线城市, 通勤勤距离总体呈现 高收 入群体略略 小于中 高收 入群体 的态势 ; 钱多离家相对近 的特征在三线及以下城市相对更更显著 : 所有被统计城市, 中 高收 入群体通勤勤距离 10km 以上的 比例例均超过 高收 入群体 ; 超过半数的被统计城市, 中低收 入群体 通勤勤距离 10km 以上的 比例例均超过中 高收 入群体 典型 二线城市不不同收 入群体通勤勤距离 典型三线及以下城市不不同收 入群体通勤勤距离 >10km 比例例 徐州市 ( 高 ) 徐州市 ( 中 高 ) 保定市 ( 高 ) 保定市 ( 中 高 ) 石家庄市 ( 高 ) 石家庄市 ( 中 高 ) 唐 山市临沂市济宁市邯郸市莆 田市沧州市银川市呼和浩特市廊坊市 西宁市拉萨市 0% 25% 50% 75% 100% 小于 3km 3-5km 5-10km 10-15km 15-20km 20-25km 25km 以上 0% 8% 16% 24% 32% 高收 入中 高收 入中低收 入 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 33

35 附表 3: 全国百城居 民通勤勤数据 城市 城市分类 过剩通勤勤指数 ( 职住不不均衡 ) 行行政区单程平均通勤勤距离 (km) 行行政区单程平均通勤勤时间 (min) 中 心城区单程平均通勤勤距离 (km) 中 心城区单程平均通勤勤时间 (min) 城市 城市分类 过剩通勤勤指数 ( 职住不不均衡 ) 行行政区单程平均通勤勤距离 (km) 行行政区单程平均通勤勤时间 (min) 中 心城区单程平均通勤勤距离 (km) 中 心城区单程平均通勤勤时间 (min) 北北京 一线城市 上海海 一线城市 广州 一线城市 深圳 一线城市 沈沈阳 新 一线城市 西安 新 一线城市 重庆 新 一线城市 成都 新 一线城市 大连 新 一线城市 天津 新 一线城市 长沙 新 一线城市 武汉 新 一线城市 郑州 新 一线城市 南京 新 一线城市 青岛 新 一线城市 杭州 新 一线城市 宁波 新 一线城市 苏州 新 一线城市 东莞 新 一线城市 乌鲁 木 齐 二线城市 哈尔滨 二线城市 石家庄 二线城市 太原 二线城市 长春 二线城市 济南 二线城市 兰州 二线城市 福州 二线城市 合肥 二线城市 南昌 二线城市 贵阳 二线城市 泉州 二线城市 烟台 二线城市 厦 门 二线城市 海海 口 二线城市 昆明 二线城市 徐州 二线城市 南宁 二线城市 常州 二线城市 金金华 二线城市 温州 二线城市 台州 二线城市 无锡 二线城市 绍兴 二线城市 南通 二线城市 珠海海 二线城市 惠州 二线城市 嘉兴 二线城市 中 山 二线城市 佛 山 二线城市 西宁 三线城市 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 34

36 附表 3: 全国百城居 民通勤勤数据 ( 续 ) 城市 城市分类 过剩通勤勤指数 ( 职住不不均衡 ) 行行政区单程平均通勤勤距离 (km) 行行政区单程平均通勤勤时间 (min) 中 心城区单程平均通勤勤距离 (km) 中 心城区单程平均通勤勤时间 (min) 城市 城市分类 过剩通勤勤指数 ( 职住不不均衡 ) 行行政区单程平均通勤勤距离 (km) 行行政区单程平均通勤勤时间 (min) 中 心城区单程平均通勤勤距离 (km) 中 心城区单程平均通勤勤时间 (min) 南充 三线城市 绵阳 三线城市 秦皇岛 三线城市 唐 山 三线城市 洛洛阳 三线城市 邯郸 三线城市 呼和浩特 三线城市 南阳 三线城市 衡阳 三线城市 济宁 三线城市 保定 三线城市 咸阳 三线城市 淄博 三线城市 银川 三线城市 湛江 三线城市 沧州 三线城市 淮安 三线城市 连云港 三线城市 泰安 三线城市 漳州 三线城市 柳柳州 三线城市 桂林林 三线城市 赣州 三线城市 临沂 三线城市 盐城 三线城市 廊坊 三线城市 潍坊 三线城市 汕头 三线城市 扬州 三线城市 镇江 三线城市 肇庆 三线城市 湖州 三线城市 江 门 三线城市 清远 三线城市 三亚 三线城市 乐 山 四线城市 新乡 四线城市 宜宾 四线城市 大同 四线城市 张家 口 四线城市 邢台 四线城市 德州 四线城市 茂名 四线城市 韶关 四线城市 潮州 四线城市 大理理 四线城市 阳泉 五线城市 拉萨 五线城市 衡 水 五线城市 云浮 五线城市 数据来源 : 百度地图慧眼数据说明 : 分析基于百度海海量量定位数据, 画像挖掘数据以及常驻地挖掘数据 ; 鸣谢中国城市规划设计研究院城市交通研究分院提供的技术指导 ; 时间范围 :2018 年年 9 月 年年 11 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 35

37 03 城市居民出行状况 36

38 城市居 民整体出 行行 目的地分析 通过分析城市居 民出 行行 目的地, 可以深度理理解居 民 日常活动模式, 帮助优化城市区域功能设计, 提升城市交通规划和管理理 水平 将出 行行 目的地 ( 包括市内出 行行和跨城出 行行 ) 按照功能划分为 4 大类 15 小类, 分析结果显示 : 4.64% 15.75% A. 工作商务和休闲娱乐类出 行行占 比总和达到了了 70.65%, 是居 民 日常出 行行的主要 目的 其中商务 工作类出 行行占 比达 39.31%, 在所有出 行行类别中占 比最 高, 这也与居 民 工作 日和节假 日主要 生活内容相吻合 3.25% 9.01% 13.65% B. 日常 生活类出 行行的具体 目的较多且分布较分散, 其中前往教育培训类 目的地的出 行行占 比较 高, 达到 6.14% 另外, 前往运动场所的出 行行 比例例仅占 1.03%, 政府应更更多地引导和宣传 4.08% 15.70% 提升居 民运动和健身意识, 修建更更多的运动和健身场馆 C. 前往旅游景点类 目的地的出 行行仅占整体出 行行的 4.64%, 有较 大提升潜 力力 政府和相关企业可以更更多地引导和 鼓励旅 行行出游, 从 而进 一步提升居 民 文化休闲 水平, 提振内需 促进经 6.14% 济发展 9.96% 31.34% 18.51% 39.31% 13.18% 5.98% 3.48% 数据分析 : 百度研究院商业智能实验室数据说明 : 分析基于百度地图海海量量出 行行 大数据, 包括驾 车 打 车 公共交通 地铁 步 行行 骑 行行等全出 行行 方式 ; 时间范围 :2018 年年 4 月 年年 11 月 ; 地域范围 : Baidu 2018 年度中国城市交通报告 37

39 各类城市居 民 市内出 行行 目的地分析 通过分析不不同发展 水平城市的居 民市内出 行行 目的地分布, 可以更更好地理理解不不同发展 水平城市的居 民出 行行的主要需求, 结果显示 : A. 一线 新 一线 二线城市前往公司企业 写字楼 文化传媒和运动健身类 目的地 比例例较 高, 这反映了了 一线 新 一线城市居 民对精神 生活和身体健康的关注, 同时也花费了了更更多的精 力力在 工作相关出 行行上 B. 与之相对, 三线 四线城市居 民前往丽 人 休闲娱乐 旅游景点 购物 生活服务和美 食类 目的地 比例例较 高, 这反映了了三线 四线城市居 民 工作和 生活平衡性更更好, 有更更多的时间进 行行休闲娱乐 100% 市内出 行行中各品类 目的地到访 人群所在城市等级分布 一线 新 一线 二线三线四线 75% 50% 25% 0% 购物美 食休闲娱乐丽 人运动健身酒店 生活服务医疗旅游景点交通枢纽 文化传媒教育培训写字楼公司企业 金金融 数据分析 : 百度研究院商业智能实验室数据说明 : 分析基于百度地图海海量量出 行行 大数据, 包括驾 车 打 车 公共交通 地铁 步 行行 骑 行行等全出 行行 方式 ; 时间范围 :2018 年年 4 月 年年 11 月 ; 地域范围 : Baidu 2018 年度中国城市交通报告 38

40 各类城市居 民 跨城出 行行 目的地分析 通过分析不不同发展 水平城市的居 民跨城出 行行 目的地分布, 可以更更好地理理解不不同发展 水平城市的居 民出 行行的主要需求, 结果显示 : A. 一线 新 一线城市跨城出 行行前往 文化传媒 运动场馆 写字楼和公司企业类 目的地 比例例较 高, 这反映了了 一线 新 一线城市跨城出 行行 目的主要是为了了 文化 生活和商务 工作 B. 三线 四线城市居 民跨城出 行行 目的地更更多地集中在购物 丽 人 旅游景点和教育培训类 目的地, 这反映了了三线 四线城市居 民的 日常娱乐需求进 一步外溢, 这可能是跨城出 行行的主要驱动 力力 100% 跨城出 行行中各品类 目的地到访 人群所在城市等级分布 一线 新 一线 二线三线四线 75% 50% 25% 0% 购物美 食休闲娱乐丽 人运动健身酒店 生活服务医疗旅游景点交通枢纽 文化传媒教育培训写字楼公司企业 金金融 数据分析 : 百度研究院商业智能实验室数据说明 : 分析基于百度地图海海量量出 行行 大数据, 包括驾 车 打 车 公共交通 地铁 步 行行 骑 行行等全出 行行 方式 ; 时间范围 :2018 年年 4 月 年年 11 月 ; 地域范围 : Baidu 2018 年度中国城市交通报告 39

41 一线城市居 民 市内出 行行 目的地分析 通过分析百度地图出 行行 大数据, 北北 上 广 深居 民出 行行 目的地呈现整体分布趋同, 个别品类有差异的现象 : A. 深圳居 民去往公司企业类 目的地 比例例最 高, 这反映深圳居 民以 工作为 目的的出 行行 最多 一线城市居 民市内出 行行前往各品类 目的地分布 B. 交通枢纽类 目的地中, 北北京和 广州居 民出 行行 比例例较 高, 这也与北北京和 广州分别为南 北北 方两 大交通枢纽的定位相吻合 C. 购物类 目的地中, 广州和深圳居 民出 行行 比例例 高于北北京和上海海, 这反映了了 广州和深圳居 民有更更强的消费需求 D. 文化传媒类 目的地中, 深圳居 民出 行行占 比低于其他三个城市, 这客观反映了了经济特区深圳与历史 文化名城北北 上 广在 文化发展上还存在 一定差距 金金融公司企业写字楼教育培训 文化传媒交通枢纽旅游景点医疗 生活服务酒店运动健身丽 人休闲娱乐美 食购物 北北京上海海 广州深圳 0% 7.5% 15% 22.5% 30% 数据分析 : 百度研究院商业智能实验室数据说明 : 分析基于百度地图海海量量出 行行 大数据, 包括驾 车 打 车 公共交通 地铁 步 行行 骑 行行等全出 行行 方式 ; 时间范围 :2018 年年 4 月 年年 11 月 ; 地域范围 : Baidu 2018 年度中国城市交通报告 40

42 一线城市居 民 跨城出 行行 目的地分析 与市内出 行行 目的地相 比, 北北 上 广 深居 民跨城出 行行 目的地呈现如下特点 : A. 从跨城出 行行绝对次数来看, 广州居 民跨城出 行行次数远 高于其他三个城市, 而深圳 一线城市居 民跨城出 行行前往各品类 目的地分布 居 民跨城出 行行次数最低 B. 广州居 民去往购物和美 食类 目的地 比例例远 高于其他三个城市, 这也侧 面印证了了 广州居 民 食在 广州 玩在 广州 的 生活写照 C. 深圳居 民去往购物 美 食 休闲娱乐类 目的地 比例例也 高于北北京和上海海, 这可能是因为珠三 角城市群更更 高程度的 一体化 此外, 深圳居 民跨城出 行行主要 目的地依然是公司企业, 与整体出 行行分布 一致 金金融公司企业写字楼教育培训 文化传媒交通枢纽旅游景点医疗 生活服务酒店运动健身丽 人休闲娱乐美 食购物 北北京上海海 广州深圳 0% 4% 8% 12% 16% 数据分析 : 百度研究院商业智能实验室数据说明 : 分析基于百度地图海海量量出 行行 大数据, 包括驾 车 打 车 公共交通 地铁 步 行行 骑 行行等全出 行行 方式 ; 时间范围 :2018 年年 4 月 年年 11 月 ; 地域范围 : Baidu 2018 年度中国城市交通报告 41

43 城市居 民出 行行 目的地距离分析 距离是影响居 民出 行行的重要因素 通过百度地图 大数据分析, 居 民出 行行 目的地 大多在 十公 里里以内 ( 超过 70%) 其中 : 去往 生活服务类 ( 如丽 人等 ) 和休闲娱乐类 ( 如美 食等 ) 目的地的平均出 行行距离更更短, 这主要是因为美 食和购物等 目的地数量量较多且分布均匀, 具有可替代性, 居 民可以 自主 选择较近 目的地 ; 而去往旅游景点 文化传媒和交通枢纽的出 行行分布与距离关系不不 大, 主要是因为这 几类 目的地数量量有限且较难替代 不不同类别出 行行 目的地平均距离分布 100% 75% 50% 25% 0% 交通枢纽丽 人休闲娱乐公司企业医疗写字楼教育培训 文化传媒旅游景点 生活服务美 食购物运动健身酒店 金金融 <1 Km <3 Km <5 Km <10 Km <20 Km <30 Km <40 Km <50 Km 数据分析 : 百度研究院商业智能实验室数据说明 : 分析基于百度地图海海量量出 行行 大数据, 包括驾 车 打 车 公共交通 地铁 步 行行 骑 行行等全出 行行 方式 ; 时间范围 :2018 年年 4 月 年年 11 月 ; 地域范围 : Baidu 2018 年度中国城市交通报告 42

44 04 城市公共交通状况 43

45 全国百城公共交通 出 行行 里里程 公共交通 ( 含公交和地铁 ) 出 行行 里里程包括乘 车 里里程及全程两端步 行行 里里程 一线 新 一线及 二线城市公共交通出 行行 里里程以 公 里里占 比最 高, 三线 四线及五线城市公共交通出 行行 里里程以 2-3 公 里里占 比最 高 在各个范围内的城市公共交通出 行行 里里程分布中,2-3km 内四五线城市 比例例最 大, 三线城市其次 ;10-12km 内 二线城市 比例例最 大, 三线城市其次 ;20-30km 内 一线城市 比例例最 大, 二线城市其次 各类城市公共交通出 行行 里里程分布 各类城市公共交通出 行行 里里程累计分布 14% 100% 10.5% 75% 7% 50% 3.5% 25% 0% 1 公 里里以内 1-2 公 里里 2-3 公 里里 3-4 公 里里 4-5 公 里里 5-6 公 里里 6-7 公 里里 7-8 公 里里 8-9 公 里里 9-10 公 里里 公 里里 公 里里 公 里里 公 里里 公 里里 公 里里 公 里里 公 里里 公 里里 公 里里 70 公 里里以上 0% 1 公 里里以内 2 公 里里以内 3 公 里里以内 4 公 里里以内 5 公 里里以内 6 公 里里以内 7 公 里里以内 8 公 里里以内 9 公 里里以内 10 公 里里以内 12 公 里里以内 14 公 里里以内 16 公 里里以内 18 公 里里以内 20 公 里里以内 30 公 里里以内 40 公 里里以内 50 公 里里以内 60 公 里里以内 70 公 里里以内 70 公 里里以上 一线 新 一线城市 二线城市三线城市四 五线城市 一线 新 一线城市 二线城市三线城市四 五线城市 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 44

46 全国百城公共交通 出 行行 用时 公共交通出 行行 用时包括地 面公交及地铁出 行行到站步 行行时间 + 乘 车时间 + 换乘时间 + 离站步 行行时间 一线 新 一线城市的公共交通出 行行平均 用时为 50.2 分钟, 沈沈阳公共交通出 行行平均 用时最短, 为 44.1 分钟, 东莞的公共交通出 行行平均 用时最 长, 为 63.4 分钟, 相差 19.3 分钟 二线城市的公共交通出 行行平均 用时为 52.7 分钟, 厦 门的公共交通出 行行平均 用时最短, 为 42.2 分钟 ; 南通的公共交通出 行行平均 用时最 长, 为 67.7 分钟, 相差 25.5 分钟 一线 新 一线城市公共交通平均 用时 二线城市公共交通平均 用时 公共交通出 行行平均 用时 (min) 公共交通出 行行平均 用时 (min) 沈沈阳 深圳 广州 大连 西安 长沙 南京 重庆 成都 武汉 杭州 上海海 北北京 天津 郑州 青岛 宁波 苏州 东莞 厦 门 长春南宁哈尔滨太原乌鲁 木 齐海海 口烟台昆明合肥绍兴南昌福州 石家庄贵阳珠海海济南中 山 无锡徐州兰州常州佛 山 金金华嘉兴泉州台州温州惠州南通 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 45

47 公共交通出 行行 站点步 行行距离 分布 公共交通站点步 行行距离 ( 数值为到站步 行行距离和离站步 行行距离的均值 ) 可以侧 面反映公共交通站点的可达性, 公共交通站点步 行行距离越 小, 站点可达性越 高 各类城市公共交通站点步 行行距离在各范围内的分布中, 一线 新 一线 二线城市在 800 米以内范围占 比更更 高, 而三线城市和四 五线城市在 800 米以上范围占 比更更 高 从结果可 以看出, 三 四 五线城市需重点加强公共交通站点覆盖 各类城市的公共交通出 行行站点平均步 行行距离, 按照 一线 新 一线 二线 三线及四 五线城市的顺序递增, 这也侧 面反映了了较发达城市公交站点的建设密度相对更更 大 各类城市公共交通站点步 行行距离分布 各类城市公共交通出 行行站点平均步 行行距离 (m) 40% 一线 新 一线城市 % 20% 二线城市 % 三线城市 614 0% <200 米 [200 米,400 米 ) [400 米,600 米 ) [600 米,800 米 ) [800 米,1000 米 ) [1000 米,1.5 公 里里 ) [1.5 公 里里,2 公 里里 ) [2 公 里里,2.5 公 里里 ) [2.5 公 里里,3 公 里里 ) 一线 新 一线城市 二线城市三线城市四 五线城市 大于等于 3 公 里里 四 五线城市 724 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 46

48 全国百城公共交通出 行行 站点步 行行距离 在 一线 新 一线城市中, 公共交通出 行行站点平均步 行行距离深圳最短, 为 436 米, 郑州最 长, 为 567 米 在 二线城市中, 公共交通出 行行站点平均步 行行距离厦 门最短, 为 465 米, 温州最 长, 为 673 米 深圳 广州 长沙 青岛 西安沈沈阳 大连杭州苏州武汉重庆天津南京东莞宁波上海海成都北北京 一线 新 一线城市公共交通出 行行站点平均步 行行距离 (m) 郑州 567 二线城市公共交通出 行行站点平均步 行行距离 (m) 厦 门 465 哈尔滨 470 福州 474 绍兴 478 烟台 484 长春 493 嘉兴 493 济南 493 惠州 496 兰州 497 珠海海 497 金金华 503 无锡 504 昆明 508 佛 山 513 南宁 515 乌鲁 木 齐 516 南昌 521 合肥 523 中 山 532 石家庄 533 常州 537 泉州 541 贵阳 544 太原 548 海海 口 560 徐州 571 南通 601 台州 646 温州 673 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 47

49 公共交通出 行行 换乘步 行行距离 公共交通出 行行平均换乘步 行行距离 : 每次有换乘的公共交通出 行行平均需要的换乘步 行行距离, 多次换乘则为各次换乘步 行行距离之和 公共交通出 行行平均步 行行距离 : 使 用公共交通出 行行, 从出发点到 目的地之间需要步 行行的平均距离 ( 包含到站步 行行距离 + 换乘距离 + 离站步 行行距离 ) 随着城市等级的下降, 公共交通出 行行平均换乘步 行行距离下降, 但平均步 行行距离却在增加 原因可能是 : 一线 新 一线 二线城市 大量量的道路路中央分隔 道路路红线宽度普遍过宽 大型枢纽换乘步 行行距离过 长 换乘次数较多等原因造成换乘总体步 行行距离过 长, 而三 四 五线城市虽然换乘步 行行距离较短, 但公共交通站点数量量偏少, 到站和离站步 行行距离 偏 长导致市 民出 行行整体步 行行距离过 长 建议 一线 新 一线 二线城市在优化公共交通出 行行服务时, 以缩短换乘距离为优化重点, 三 四 五线城市则以增加站点覆盖为主 一线 新 一线城市 290 一线 新 一线城市平均换乘步 行行距离排名 二线城市三线城市四 五线城市 一线 新 一线城市 二线城市三线城市四 五线城市 公共交通出 行行平均换乘步 行行距离 (m) 1,131 1,170 1,351 1,478 公共交通出 行行平均换乘步 行行距离 (m) 公共交通出 行行平均步 行行距离 (m) 深圳 广州 天津 长沙 青岛 西安 东莞 大连 武汉 成都 沈沈阳 重庆 杭州 郑州 苏州 上海海 宁波 南京 北北京 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 48

50 公共交通站点平均覆盖居住及岗位 人数 公共交通站点平均覆盖居住及岗位 人数, 是地 面公交或轨道交通站点周边 一定范围内覆盖的居住及岗位 人数之和 ; 一个城市的站点平均覆盖居住及岗位 人数是指整个城市所有站点覆盖居住及岗位 人数的平均值 截 至 2018 年年底已经开通地铁的城市中, 广州市轨道交通站点 200 米半径平均覆盖居住及岗位 人数最多, 约为 人 ; 贵阳市最少, 约为 3056 人 两图对 比可以看出, 同 一城市轨道交通站点周边 200 米半径覆盖的居住及岗位 人数普遍 比地 面公交站点 高, 说明轨道交通站点周边 土地利利 用 一般 比较集约, 但也有 一些城市的 轨道交通站点周边覆盖的居住及岗位 人数偏低, 原因可能是轨道的选线偏离 人 口集聚中 心, 也可能是轨道交通站点周边的开发不不够集约或开发尚未成熟 地 面公交站点 200 米半径平均覆盖居住及岗位 人数 TOP10 城市 轨道交通站点 200 米半径平均覆盖居住及岗位 人数 广州市重庆市 7,947 深圳市 7,874 贵阳市 7,756 哈尔滨市 7,166 兰州市 7,076 南宁市 6,657 郑州市 6,650 北北京市 6,364 上海海市 6,299 9,600 广州市 西安市深圳市重庆市南宁市厦 门市哈尔滨市佛 山市福州市上海海市北北京市 石家庄市 长沙市成都市武汉市南昌市合肥市沈沈阳市杭州市郑州市 大连市南京市昆明市 青岛市天津市 长春市 无锡市苏州市宁波市 3,480 东莞市 3,238 贵阳市 3,056 9,235 9,164 9,054 8,720 8,098 7,785 7,752 7,559 7,479 7,453 7,227 7,210 7,008 6,987 6,960 6,360 6,830 6,153 6,020 5,874 5,449 5,248 4,787 4,699 4,570 10,601 10,078 12,022 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 49

51 附表 4: 全国百城居 民公交出 行行数据 城市 城市分类 公共交通平均出 行行 用时 (min) 公共交通站点步 行行距离 (m) 公共交通换乘步 行行距离 (m) 城市 城市分类 公共交通平均出 行行 用时 (min) 公共交通站点步 行行距离 (m) 公共交通换乘步 行行距离 (m) 深圳 一线城市 广州 一线城市 上海海 一线城市 北北京 一线城市 沈沈阳 新 一线城市 大连 新 一线城市 西安 新 一线城市 长沙 新 一线城市 南京 新 一线城市 重庆 新 一线城市 成都 新 一线城市 武汉 新 一线城市 杭州 新 一线城市 天津 新 一线城市 郑州 新 一线城市 青岛 新 一线城市 宁波 新 一线城市 苏州 新 一线城市 东莞 新 一线城市 厦 门 二线城市 长春 二线城市 南宁 二线城市 哈尔滨 二线城市 太原 二线城市 乌鲁 木 齐 二线城市 海海 口 二线城市 烟台 二线城市 昆明 二线城市 合肥 二线城市 绍兴 二线城市 南昌 二线城市 福州 二线城市 石家庄 二线城市 贵阳 二线城市 珠海海 二线城市 济南 二线城市 中 山 二线城市 无锡 二线城市 徐州 二线城市 兰州 二线城市 常州 二线城市 佛 山 二线城市 金金华 二线城市 嘉兴 二线城市 泉州 二线城市 台州 二线城市 温州 二线城市 惠州 二线城市 南通 二线城市 南充 三线城市 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 50

52 附表 4: 全国百城居 民公交出 行行数据 ( 续 ) 城市 城市分类 公共交通平均出 行行 用时 (min) 公共交通站点步 行行距离 (m) 公共交通换乘步 行行距离 (m) 城市 城市分类 公共交通平均出 行行 用时 (min) 公共交通站点步 行行距离 (m) 公共交通换乘步 行行距离 (m) 绵阳 三线城市 沧州 三线城市 衡阳 三线城市 南阳 三线城市 西宁 三线城市 呼和浩特 三线城市 柳柳州 三线城市 咸阳 三线城市 赣州 三线城市 湛江 三线城市 盐城 三线城市 银川 三线城市 唐 山 三线城市 清远 三线城市 江 门 三线城市 淄博 三线城市 泰安 三线城市 连云港 三线城市 廊坊 三线城市 秦皇岛 三线城市 扬州 三线城市 汕头 三线城市 洛洛阳 三线城市 临沂 三线城市 潍坊 三线城市 肇庆 三线城市 桂林林 三线城市 三亚 三线城市 淮安 三线城市 漳州 三线城市 邯郸 三线城市 济宁 三线城市 镇江 三线城市 湖州 三线城市 保定 三线城市 宜宾 四线城市 韶关 四线城市 大同 四线城市 德州 四线城市 新乡 四线城市 邢台 四线城市 茂名 四线城市 乐 山 四线城市 张家 口 四线城市 大理理 四线城市 潮州 四线城市 拉萨 五线城市 云浮 五线城市 阳泉 五线城市 衡 水 五线城市 数据分析 : 深圳市都市交通规划设计研究院 ; 数据说明 : 采 用百度地图 用户公交出 行行查询数据, 可 一定程度代表城市居 民的公交期望出 行行 考虑到 用户可能对熟悉路路线查询较少, 该数据中 非通勤勤数据占 比可能较 大, 但由于数据覆盖 面较 广, 仍可 一定程度反映城市居 民公共交通期望出 行行特征, 仅供研究参考 ; 数据时间范围为 2018 年年 10 月 年年 12 月 ; 城市分类 : 引 用 自第 一财经周刊 新 一线城市研究所 2017 年年 中国城市商业魅 力力排 Baidu 2018 年度中国城市交通报告 51

53 05 城市交通与环境问题 52

54 雾霾致堵专题 雾霾对道路路拥堵有多 大影响? 十 里里雾霾两茫茫, 雾霾天, 人抓狂 雾霾天 气的发 生对居 民出 行行与交通运 行行造成了了 一定的影响, 那么雾霾对道路路拥堵到底影响 几何? 通过对 2018 年年全国百城 气象数据与交通路路况数据进 行行关联分析, 得到如下结果 : A. 通过分析发现, 绝 大部分城市雾霾浓度和交通拥堵相关联, 雾霾导致平均 行行驶速度降低 交通拥堵指数增加 ; B. 通过研究中国百城 月平均 AQI( 空 气质量量指数 ), 日降 雨量量与通勤勤 高峰拥堵指数和实际速度 ( 即拥堵速度 ) 相关性分析结果显示 :6-8 月份降 雨较多, 相应的通勤勤 高峰拥堵指数较 高, 实际速度较低, 主要受降 雨天 气影响 ;10-11 月份 AQI 指数增 长, 降 雨较少, 相应的通勤勤 高峰拥堵指数增 高, 实际速度下降, 主要受雾霾天 气影响 百城中雾霾与拥堵成正相关的城市 拥堵指数与 AQI 及降 雨量量相关性 城市 Index AQI Index pm2.5 城市 Index AQI Index pm2.5 城市 Index AQI Index pm2.5 保定 拉萨 泰安 北北京 兰州 唐 山 沧州 廊坊 天津 常州 乐 山 潍坊 潮州 连云港 温州 成都 临沂 乌鲁 木 齐 大连 柳柳州 无锡 大同 洛洛阳 武汉 德州 茂名 西安 东莞 绵阳 西宁 佛 山 南昌 咸阳 福州 南充 新乡 赣州 南京 邢台 广州 南宁 徐州 贵阳 南通 烟台 桂林林 南阳 盐城 哈尔滨 宁波 扬州 海海 口 秦皇岛 阳泉 邯郸 青岛 宜宾 杭州 清远 银川 合肥 泉州 云浮 衡 水 三亚 湛江 衡阳 厦 门 张家 口 呼和浩特 汕头 漳州 湖州 上海海 长春 淮安 韶关 长沙 惠州 绍兴 肇庆 济南 深圳 镇江 济宁 沈沈阳 郑州 嘉兴 石家庄 中 山 江 门 苏州 重庆 金金华 台州 珠海海 昆明 太原 淄博 数据分析 : 东南 大学交通学院 ; 数据说明 : 通过中国 气象数据 网获得 月平均降 雨量量数据以及通过 PM25.in 网站获取 PM2.5 AQI 月平均数据 ( AQI 为环境空 气质量量指数 ); 通过百度地图获取通勤勤 高峰拥堵指数和实际速度 ; 时间范围 :2018 年年 4 月 年年 11 Baidu 2018 年度中国城市交通报告 53

55 雾霾致堵专题 哪些城市的交通拥堵与雾霾关联较 大? 全国百城中 大部分城市的雾霾与交通拥堵息息相关 : 一 方 面, 雾霾会对 人体健康 舒适度产 生影响, 使得乘客更更倾向于 小汽 车出 行行 ; 另 一 方 面, 雾霾也会直接对空 气能 见度产 生影响, 干扰驾驶 行行为, 也较易易导致交通事故多发, 会加重拥堵 根据百度路路况与 气象数据, 绘制了了雾霾与交通拥堵状况相关性全国百城分布热 力力图 : A. 雾霾与拥堵的相关性集中在经济产业发达 人 口规模聚集 机动 车保有量量 高的 大中城市群 ; B. 长三 角地区雾霾与拥堵相关性最明显 雾霾越 大, 通勤勤 高峰拥堵越严重, 实际速度 ( 即拥堵 车速 ) 越 小 ; 进 而造成恶性循环, 拥堵越严重, 机动 车污染物排放越多, 雾霾越 大 C. 京津冀 珠三 角等地区雾霾与交通拥堵相关性也较 大, 这些地区也是区域性霾问题较严重的地区 AQI( 空 气质量量指数 ) 与拥堵指数相关性 PM2.5 与拥堵指数相关性 相关性 相关性 数据分析 : 东南 大学交通学院 ; 数据说明 : 通过 PM25.in 网站获取 PM2.5 AQI 月平均数据 ( AQI 为环境空 气质量量指数 ); 通过百度地图获取通勤勤 高峰拥堵指数和实际速度 ; 时间范围 :2018 年年 4 月 年年 11 Baidu 2018 年度中国城市交通报告 54

56 雾霾致堵专题 雾霾严重季节下致堵可能性会变 大吗? 在秋冬季节, 由于各种因素, 大 气中 气溶胶浓度 高, 更更容易易催 生雾霾 并且此季节的污染物扩散困难, 容易易累积, 这会进 一步加剧雾霾天 气的发展, 甚 至导致重污染现象 那么在雾霾更更加严重的季节, 其致堵的可能性是否会加 大呢? 雾霾与拥堵的相关性 又如何变化呢? 通过对 比雾霾严重季节与前述的 4-11 月期间总体相关性图可以发现 : 随着雾霾加剧, 拥堵也越严重 相关性的提 高说明雾霾对拥堵影响更更 大更更为显著 京津冀地区 长三 角等 人 口密度 大 发展快速的地区变化最明显, 致堵可能性显著提 高, 雾霾与拥堵共发性更更加 一致 可 见, 掌握秋冬季节雾霾的变化对于预测交通客流出 行行规律律 执 行行交通管理理调度有重要意义 AQI 与拥堵指数相关性 AQI 与拥堵指数相关性 PM2.5 与拥堵指数相关性 PM2.5 与拥堵指数相关性 ( 雾霾严重季节 ) (4-11 月总体 ) ( 雾霾严重季节 ) (4-11 月总体 ) 相关性 相关性 相关性 相关性 数据分析 : 东南 大学交通学院 ; 数据说明 : 通过 PM25.in 网站获取 PM2.5 AQI 月平均数据 ( AQI 为环境空 气质量量指数 ); 通过百度地图获取通勤勤 高峰拥堵指数和实际速度 ; 时间范围 :2018 年年 4 月 年年 11 Baidu 2018 年度中国城市交通报告 55

57 雾霾致堵专题 基于逐 小时数据的雾霾与拥堵波动趋势关联解构 以北北京 2018 年年 11 月26-27 日严重雾霾期间的拥堵和雾霾关联关系分析为例例 : 因拥堵指数与拥堵速度相较于 AQI PM2.5 数据具有较强的周期性 ( 早晚 高峰, 工作 日和 非 工作 日 ), 需利利 用经验模态分解 (Empirical Mode Decomposition) 方法分解含噪数据, 将信号中的噪声和有效信号在不不同的固有模态函数 (intrinsic mode function,imf) 中 分离开来, 然后通过选择 IMF 重构信号, 剔除噪声及周期性影响, 最后进 行行趋势相关性分析 分析结果显示,PM2.5 与通勤勤 高峰拥堵指数具有较强的正相关性, 与实际速度 ( 即拥堵速度 ) 具有较强的负相关性, 可能是因为当空 气中存在 大量量颗粒物质 (PM2.5 等 ) 时, 造成光的散射和光吸收增强, 会导致能 见度降低, 因此与拥堵指数和实际速度相关性较强 而AQI 则与通勤勤 高峰拥堵指数和实际速度的的相关性较弱, 可能因为 AQI 是根据多 项污染物 ( 包括 PM2.5 SO2 NO2 CO O3 等 ) 数据计算出的综合指数, 受 非 PM2.5 污染物因素的影响, 拥堵指数和速度与 AQI 的相关性较弱 拥堵指数 速度 PM2.5 AQI 时间序列列 拥堵指数和速度与 PM2.5 和 AQI 相关性 数据分析 : 东南 大学交通学院 ; 数据说明 : 通过 PM25.in 网站获取 PM2.5 AQI 月平均数据 ( AQI 为环境空 气质量量指数 ); 通过百度地图获取通勤勤 高峰拥堵指数和实际速度 ; 时间范围 :2018 年年 11 Baidu 2018 年度中国城市交通报告 56

58 降 雨致堵专题 降 雨容易易引发交通拥堵吗? 降 雨导致的可视距离缩短会影响驾驶员的综合判断能 力力, 进 而降低 行行 车速度, 容易易造成交通拥堵 此外, 降 雨使得路路 面与轮胎摩擦系数降低, 车辆易易发 生侧滑 追尾等交通事故, 引发交通拥堵 通过对交通拥堵和降 雨数据进 行行相关性分析, 结果显示 : 降 雨量量与拥堵指数的相关性 A. 绝 大部分城市的 日降 雨量量与拥堵指数呈现正相关关系, 即降 雨量量越 大, 拥堵越严 重 B. 沿海海地区降 雨对拥堵的影响较内陆地区明显更更 大 一些 相关性 C. 北北 方地区较南 方地区的降 雨影响更更 大 一些 D. 降 雨对拥堵影响较 大的城市, 建议加强拥堵强度预报预警 安全驾驶提醒等, 并 加强降 雨期间的交通管理理, 保障道路路交通安全 数据分析 : 东南 大学交通学院 ; 数据说明 : 通过中国 气象数据 网获得 月平均降 雨量量数据 ; 通过百度地图获取通勤勤 高峰拥堵指数和实际速度 ; 时间范围 :2018 年年 4 月 年年 11 Baidu 2018 年度中国城市交通报告 57

59 06 城市绿色出行发展状况 58

60 新能源充电桩建设及发展情况 随着我国新能源汽 车发展 鼓励政策的逐步实施以及新能源汽 车保有量量的稳步增 长, 充电基础设施建设迎来快速发展, 各能源企业 车企 互联 网企业等都纷纷布局充电运营服务 百度地图联合充电运营服务 行行业各 大 厂商, 于 2018 年年初上线充电桩地图, 帮助新能源 车主快速找到周边及 目的地充电桩, 快速选择充电桩 其中, 特来电品牌充电桩数量量位列列全国第 一, 截 至2018 年年 12 月中旬, 特来电充电桩总数超过 20 万, 覆盖 300 余城市, 提供的充电服务累计可减少 170 余万吨碳排放量量, 节省燃油 7.5 亿升 百度地图 充电桩地图 特来电充电桩建设发展情况 20 万 + 总充电桩数 300+ 覆盖城市 170 万吨 + 碳减排量量 7.5 亿升 + 节油量量 数据说明 : 分析基于特来电 大数据云平台 ; 时间范围 : 截 至到 2018 年年 12 月中旬 ; 产品访问 : 如何找到充电桩地图? 打开百度地图 APP : 首 页右侧 - 图层 / 首 页右上 角头像 - 常 用功能 / 扫描 Baidu 2018 年度中国城市交通报告 59

61 新能源充电桩功率 24 小时分布 ( 以特来电充电 大数据为例例 ) 根据特来电 大数据云平台数据分析显示 : A. 特来电新能源汽 车 用户的充电 行行为集中分布于 用 车低峰期 ( 即常规 工作时间及休息时间 ) B. 22 点 至次 日凌晨 4 点为 用电 高峰期, 且峰值 高于 日间峰值, 原因主要是 : 夜间 车辆停驶为最佳充电时间窗 口 夜间电价较低 C. 凌晨起到清晨充电功率趋势开始递减是电动汽 车逐渐完成充电所致 14% 10.5% 充电功率占 比 7% 3.5% 0% 00:00 02:00 04:00 06:00 08:00 10:00 12:00 14:00 16:00 18:00 20:00 22:00 24:00 数据说明 : 分析基于特来电 大数据云平台 ; 时间范围 : 截 至到 2018 年年 12 月中旬 ; 产品访问 : 特来电充电 网 + 大数据两级安全防护体系为汽 车充电保驾护航, 扫描左侧 二维码关注特来电官 Baidu 2018 年度中国城市交通报告 60

62 新能源充电订单分析 ( 以特来电充电 大数据为例例 ) 根据特来电 大数据云平台数据分析显示, 新能源 车每次充电订单 : A. 每单平均充电量量为 30 度, 按照 大多数新能源汽 车的能耗来计算, 平均每次的充电量量基本可以满 足150km 200km 的续航 里里程 ; B. 每单平均时 长为 1.25 小时, 根据每单平均充电量量为 30 度计算, 相当于平均充电功率为 24kw, 远 高于 一般慢充 <10kw 的充电功率, 说明快充订单充电量量占绝 大部分 ; C. 每单平均费 用为 27.5 元 根据特来电 年年充电量量数据分析显示, 随着新能源 车销量量的上升以及充电桩建设的加速, 充电量量呈现逐季度 逐年年上升的趋势 特来电充电订单情况 特来电充电站充电量量情况 度 每单平均电量量 1.25 小时 每单平均时 长 元 每单平均费 用 0 一季度 二季度三季度四季度 2017 年年充电量量 2018 年年充电量量 数据说明 : 分析基于特来电 大数据云平台 ; 时间范围 : 截 至到 2018 年年 12 月中旬 ; 产品访问 : 特来电充电 网 + 大数据两级安全防护体系为汽 车充电保驾护航, 扫描左侧 二维码关注特来电官 Baidu 2018 年度中国城市交通报告 61

63 07 自动驾驶发展状况 62

64 电动化 智能化 网联化 共享化是汽 车 行行业发展趋势 预计 2020 年年国内汽 车产业规模约 9.4 万亿 电动化 2020 年年全球新能源汽 车销售规模 ~1200 万辆 智能化 2030 年年 自动驾驶市场预计突破 1550 亿,CAGR 超 50% 网联化 2020 年年搭载联 网前装 车机渗透率 80% 共享化 2020 年年中国 车辆运营市场规模可达万亿以上 数据来源 : 摩根史丹丹利利 罗兰 贝格 普华永道,IHS; Github Apollo Auto 网站 Baidu 2018 年度中国城市交通报告 63

65 智能驾驶市场渗透率持续增 长, 共享出 行行为 自动驾驶汽 车提供了了应 用场景 渗透率 车联 网 40% (2018 年年 ) 60% (2019 年年 ) 80% (2020 年年 ) Level 3 我们预估,2020 年年国内 L3 量量产 车将进 入市场 1% (2021 年年 ) 10% (2025 年年 ) 20% (2030 年年 ) Level 年年, 国内 L4 量量产 车在封闭园区等场景 小规模应 用 1% (2026 年年 ) 10% (2030 年年 ) BCG 调研 自动驾驶分时共享的价格降到出租 车的 1/3 时, 47% 用户愿意共享出 行行 3.2x 出租 车出 行行成本 1x 自动驾驶分时共享出 行行成本 数据来源 : 摩根 大通,BCG; 关注 Apollo 开发者社区 ; 添加开发者社区 小助 手 (Wechat : Apollodev) 为好友 ; 欢迎加 入 Apollo 开发者交流群, 与开发者们共同学习 Baidu 2018 年度中国城市交通报告 64

66 Apollo 是全球最具活 力力的 自动驾驶开放平台 390, , 行行开源代码 开发者推荐使 用 生态合作伙伴 Apollo 快速迭代, 持续创新, 已发布 7 个版本 Hello Apollo Apollo 1.0 Apollo 1.5 Apollo 2.0 Apollo 2.5 Apollo 3.0 Apollo 3.5 宣布全球 封闭场地循迹 固定 车道 简单城市路路况 限定区域视觉 量量产低速园区 城市道路路 开放计划 自动驾驶 自动驾驶 自动驾驶 高速 自动驾驶 自动驾驶 自动驾驶 关注 Apollo 开发者社区 ; 添加开发者社区 小助 手 (Wechat : Apollodev) 为好友 ; 欢迎加 入 Apollo 开发者交流群, 与开发者们共同学习 Baidu 2018 年度中国城市交通报告 65

67 Apollo 生态开放平台的主要模块 云端服务平台 高精地图仿真服务数据平台安全 OTA DuerOS 量量产服务套件 V2X 路路侧服务 地图引擎 端到端 高精定位感知规划控制 人机交互接 口解决 方案 开源软件平台 阿波罗赛博 车载计算单元 V2X 适配器器 实时操作系统 车载硬件开发平台 GPS/IMU 摄像头计算单元 激光激光雷雷达雷雷达 毫 米波雷雷达 超声波雷雷达 人机交互硬件 黑匣 子 传感器器融合单元 Apollo 拓拓展单元 V2X 车载单元 车辆认证平台 线控 车辆 开放 车辆接 口标准 Apollo3.5 主要更更新内容 Github Apollo Auto 网站 Baidu 2018 年度中国城市交通报告 66

68 Apollo 车联 网产品体系 : 小度 车载 OS 和五 大核 心能 力力 语 音 语义 内容 生态 服务 生态 硬件 生态 百度 生态 乘 用 车多模交互 车联 网 五 大核 心能 力力 商 用 车驾驶员监测 核 心技术 知识图谱机器器学习 用户画像 NLP POI VR/AR 车载信息安全 小度 车载 OS 面向量量产的完整 人 工智能 车联 网系统解决 方案 关注 Apollo 开发者社区 ; 添加开发者社区 小助 手 (Wechat : Apollodev) 为好友 ; 欢迎加 入 Apollo 开发者交流群, 与开发者们共同学习 Baidu 2018 年度中国城市交通报告 67

69 Apollo Pilot 量量产 自动驾驶解决 方案 多场景 高速/环路路 停 车取 车 全 车型 城市拥堵 园区 乘 用 车场景 商 用 车场景 Stop & Go Github Apollo Auto 网站 Baidu 2018年度中国城市交通报告 68

70 百度 Apollo 联合政府 OEM 出 行行服务商等, 致 力力于共建智能汽 车和智能交通的新 生态 / / Github Apollo Auto 网站 Baidu 2018 年度中国城市交通报告 69

71 08 城市智能交通市场发展状况 70

72 2018 年年城市智能交通政府项 目型市场投资情况 大项 目指数 (BPI) 城市智能交通政府项 目型市场, 包括智能交通管理理和智能交通运输两 大领域, 具体包括交通指挥类平台 交通信号控制 电 子警察 卡 口 交通视频监控 交通信息采集与发布 智慧公交 智慧停 车 出租 车信息服务管理理系统等九个细分 行行业 智能交通领域权威媒体赛 文交通 网重磅发布 城市智能交通政府项 目型市场 大项 目指数 (Big Project Index,BPI) : A. 涵盖千万级规模项 目的数量量变化和市场规模变化趋势 ; B. BPI 包含 大项 目数量量指数 (Big Project Quantity Index, BPQI) 和 大项 目规模指数 (Big Project Amount Index, BPAI); C. BPQI 以 2017 年年季度平均 大项 目数量量为基期, 基点为 100;BPAI 以 2017 年年季度平均市场规模为基期, 基点为 100; D. 大项 目数量量指数 (BPQI) 代表市场机会发展 水平 ; 大项 目规模指数 (BPAI) 代表市场需求发展 水平 Q Q Q Q Q Q Q Q4 大项 目数量量指数 (BPQI) 市场投资机会 ( 包 ) 大项 目规模指数 (BPAI) 市场投资规模 ( 亿元 ) 数据分析 : 赛 文交通 网 ; 数据说明 : 分析基于赛 文交通 网智能交通市场专业数据 ; 计算 方法 :BPQI =( 目标季度千万级项 目数量量 /2017 年年平均季度千万级项 目数量量 )*100; BPAI =( 目标季度千万级项 目市场规模 /2017 年年平均季度千万级项 目市场规模 Baidu 2018 年度中国城市交通报告 71

73 城市智能交通领域 网 民最为关注的问题 根据百度指数分析显示,2018 年年以来与智能交通相关的百度搜索 TOP25 问题中, 网 民关注最多的问题可以归结为违章抓拍 放管服 + 车驾管 智能公交 出 行行信息服务和 自动驾驶五 大类 : 违章抓拍 51.9% A. 违章抓拍类 : 最关注违章查询, 违章处罚等问题 ; B. 放管服 + 车驾管类 : 主要关注驾考 车辆年年检等涉 车服务与管理理问题 ; 放管服 + 车驾管 22.1% C. 智能公交类 : 对于实时公交和公交线路路获取需求最 高 ; D. 出 行行信息服务类 : 关注点集中在地图导航和出 行行信息查询 ; E. 自动驾驶类 : 关注最多的是 车联 网 智能公交 出 行行信息服务 12.0% 10.5% 自动驾驶 3.5% 数据分析 : 赛 文交通 网 ; 数据说明 : 分析基于百度指数搜索 大数据 ; 时间范围 :2018 年年 1 月 年年 12 Baidu 2018 年度中国城市交通报告 72

74 城市智能交通领域 网络媒体关注热点 近年年来智能城市及智能交通市场发展迅速, 伴随着互联 网 人 工智能 大数据和云计算等新兴技术的不不断应 用, 智能交通领域热点轮动 基于百度声纳舆情 大数据, 对互联 网 + 交通, 人 工智能 + 交通, 无 人驾驶 大数据 + 交通 智能公交 交通 支付 物联 网 + 交通 5G+ 交通 云计算 + 交通 交通信号控制和智能停 车等 14 类智能交通细分领域进 行行了了 热点统计分析 : 互联 网 + 交通 违章抓拍 人 工智能 + 交通 12.6% 11.6% 20.7% A 年年智能交通领域 网络媒体关注 TOP5 热点是互联 网 + 交通 违章抓拍 人 工智能 + 交通 自动驾驶 大数据 + 交通 B 年年交通科技领域, 互联 网 人 工智能 大数据 自动驾驶 物联 网等技术持续 火爆, 媒体 广泛关注 自动驾驶 大数据 + 交通智能公交交通 支付物联 网 + 交通 5G+ 交通 车驾管服务云计算 + 交通交通信号控制出 行行信息服务 10.3% 8.6% 8.4% 7.6% 5.7% 4.4% 3.3% 3.2% 3% 0.4% 智能停 车 0.2% 数据分析 : 赛 文交通 网 ; 数据说明 : 分析基于百度声纳舆情 大数据 ; 时间范围 :2018 年年 7 月 年年 12 Baidu 2018 年度中国城市交通报告 73

75 城市智能交通领域 网络媒体关注热点 ( 续 ) 互联 网 + 交通细分领域, 对 自动驾驶 公交 出 行行 停 车 车驾管 交通信号 6 个话题进 行行 网络媒体热点统计, 其中互联 网 + 自动驾驶的媒体关注度最 高, 其次是互联 网 + 公交 5G+ 交通细分领域, 对 自动驾驶 出 行行服务 公交 停 车 交通信号 5 个话题进 行行 网络媒体热点统计, 其中 自动驾驶的媒体关注度最 高, 其次是出 行行服务 互联 网 + 交通领域媒体关注热点 5G+ 交通领域媒体关注热点 互联 网 + 自动驾驶 55.0% 5G+ 自动驾驶 41.2% 互联 网 + 公交 27.0% 5G+ 出 行行服务 37.3% 互联 网 + 出 行行 10.0% 5G+ 公交 10.9% 互联 网 + 停 车 7.0% 互联 网 + 车驾管 1.0% 5G+ 停 车 9.0% 互联 网 + 交通信号 1.0% 5G+ 交通信号 1.6% 数据分析 : 赛 文交通 网 ; 数据说明 : 分析基于百度声纳舆情 大数据 ; 时间范围 :2018 年年 7 月 年年 12 Baidu 2018 年度中国城市交通报告 74

76 城市智能交通领域 网络媒体关注热点 ( 续 ) 交通信息采集 方式中, 视频 激光和雷雷达是媒体关注的 TOP3 采集技术, 地磁采集的关注较少 智能公交领域, 对公交 支付 公交信息服务 车载监控 人流检测及公交调度 5 个关键词的 网 页媒体 大数据分析结果显示, 公交 支付 公交信息服务, 以及 车载监控等 大众熟 知的领域关注点最 高, 人流检测 公交调度等专业性较 高的领域媒体关注较少 交通数据采集领域媒体关注热点 智能公交领域媒体关注热点 视频 60.3% 公交 支付 61.2% 激光 12.1% 雷雷达 9.5% 公交信息服务 15.0% RFID 红外 6.4% 5.4% 车载监控 12.9% 微波 4.3% 人流检测 6.2% 线圈 1.5% 地磁 0.5% 公交调度 4.7% 数据分析 : 赛 文交通 网 ; 数据说明 : 分析基于百度声纳舆情 大数据 ; 时间范围 :2018 年年 7 月 年年 12 Baidu 2018 年度中国城市交通报告 75

77 百度地图智慧交通产品及服务矩阵 交通 大数据报告 DuGIS 智慧离线地图 智慧诱导屏发布平台 深度赋能专 网地图个性化应 用 利利 用 大数据洞洞 见城市与交通趋势 行行业领先的诱导屏底板发布平台 路路况播报平台 交通信息发布与研判平台 智慧信号灯解决 方案 科技赋能 播报新声 赋能交警 情指勤勤督 一体化 高效警务 赋能交通信号配时 优化 评价闭环 行行业 生态合作可点击此 网站链接 或扫描左 方 二维码填写合作意向信息, 我们会有专 Baidu 2018 年度中国城市交通报告 76

78 百度地图智慧交通 智慧诱导 助 力力城市交通缓堵 旅 行行时间 路路况评价 实时天 气 北北极星诱导平台 诱导屏终端呈现 智慧诱导 北北极星路路况渲染 图 片渲染 旅 行行时间空 气质量量天 气预测停 车信息 底板实时预览效果 API 接 口 路路况数据 旅 行行时间 (ETA) 路路况评价 ( 红 黄绿 ) 诱导屏终端呈现 百度地图北北极星诱导发布平台详情请登录 : 扫码或发送邮件 至 dugis@baidu.com 申请平台使 Baidu 2018 年度中国城市交通报告 77

79 百度地图智慧交通 路路况播报平台 助 力力城市交通缓堵 路路况播报产品核 心功能 联盟电台 广播服务覆盖 76 省 市听众 联盟四 大运营合作模式 百度地图 AI 路路况播报联盟合作登陆链接 : 扫码申请播报平台使 Baidu 2018 年度中国城市交通报告 78

80 百度地图智慧交通 路路况播报平台 助 力力城市交通缓堵 截 止 目前合作的 102 家 广播电台成员 其中 : 15 家交通台 19 家 非交通台 其中 : 27 家交通台 41 家 非交通台 市级 (68) 67% 省级 (34) 33% 百度地图 AI 路路况播报联盟合作登陆链接 : 扫码申请播报平台使 Baidu 2018 年度中国城市交通报告 79

81 扫描下载百度地图APP 百度地图智慧交通公众号 了了解更更多欢迎登陆百度地图智慧交通官 网