前沿拓展：

保定熱線(xiàn)違章查詢(xún)

在百步也可以查詢(xún)?；蚴呛颖?*交管網(wǎng)都行。

近日，百度地圖發(fā)布了《2018年度百度交通報(bào)告》，該報(bào)告由百度地圖聯(lián)合清華?學(xué)數(shù)據(jù)科學(xué)研究院交通?數(shù)據(jù)研究中?、東南?學(xué)交通學(xué)院、深圳市都市交通規(guī)劃設(shè)計(jì)研究院、 賽?交通?、?島特來(lái)電新能源公司、百度阿波羅平臺(tái)、百度研究院商業(yè)智能實(shí)驗(yàn)室、百度聲納、百度指數(shù)、百度百科及百度數(shù)說(shuō)聯(lián)合編寫(xiě)。該報(bào)告選取了**100個(gè)主要城市，通過(guò)?數(shù)據(jù)客觀(guān)反映城市的交通擁堵、居?通勤、居?出?、公共交通、交通與環(huán)境、綠?出?和智能交通市場(chǎng)的狀況。

本期的智能內(nèi)參，我們推薦這份《2018年度百度交通報(bào)告》， 通過(guò)?數(shù)據(jù)客觀(guān)反映城市的交通擁堵、居?通勤、居?出?、公共交通、交通與環(huán)境、綠?出?和智能交通市場(chǎng)的狀況 。如果想收藏本文的報(bào)告全文（ 2018年度百度交通報(bào)告），可以在智東西號(hào)回復(fù)關(guān)鍵詞“nc319”獲取。

城市交通擁堵?tīng)顩r

2018年第4季度，哈爾濱超過(guò)北京位列全國(guó)百城擁堵榜單?位，通勤?峰擁堵指數(shù)環(huán)?第3季度上升3.28%。北京和重慶分列擁堵榜單第?位和第三位。

▲城市交通擁堵?tīng)顩r

2018年第4季度，擁堵緩解TOP10城市中，上海、清遠(yuǎn)、?春位列前三位，其第4季度通勤?峰擁堵指數(shù)環(huán)?分別下降10.41%、9.03%和7.30%。其中，上海通勤?峰期的擁堵緩解程度最?，百城擁堵排名跌出前10，緩堵成效顯著。?春擁堵程度緩解也相對(duì)較?，其通勤?峰擁堵指數(shù)環(huán)?下降7.30%。 擁堵加重TOP10城市中，烏魯??、**、衡陽(yáng)位列前三位，其第4季度通勤?峰擁堵指數(shù)環(huán)?上升25.17%、12.87%和11.35%。

▲ 擁堵緩解排名

▲ 擁堵加重排名

百度根據(jù)城市交通擁堵綜合評(píng)價(jià)體系構(gòu)建了“城市交通擁堵六維特征畫(huà)像”。

▲城市交通擁堵六維特征畫(huà)像

根據(jù)這個(gè)定義，得到各城市的六維特征如下：

▲汽?保有量超300萬(wàn)級(jí)典型城市六維特征畫(huà)像

▲汽?保有量超200萬(wàn)級(jí)典型城市六維特征畫(huà)像

▲汽?保有量超100萬(wàn)級(jí)典型城市六維特征畫(huà)像

▲汽?保有量低于100萬(wàn)級(jí)典型城市六維特征畫(huà)像

嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間，是指?作?通勤?峰期間全路?處于嚴(yán)重?fù)矶聽(tīng)顟B(tài)的平均累計(jì)時(shí)間，?以評(píng)估路?中嚴(yán)重?fù)矶聽(tīng)顟B(tài)的時(shí)間持續(xù)程度。 根據(jù)六維特征畫(huà)像 ，嚴(yán)重?fù)矶聽(tīng)顟B(tài)時(shí)間排名如下：

▲ 嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間

嚴(yán)重?fù)矶侣范?程占?，是指?作?通勤?峰期間，城市路?中發(fā)?嚴(yán)重?fù)矶碌穆范?程與路?總?程的?例，?以評(píng)估路?中嚴(yán)重?fù)矶聽(tīng)顟B(tài)的空間蔓延程度。 根據(jù)六維特征畫(huà)像 ，嚴(yán)重?fù)矶侣范?程占?排名如下：

▲ 嚴(yán)重?fù)矶侣范?程占?

區(qū)域間擁堵不均衡系數(shù)，是指?作?通勤?峰期間，城市路?中不同?格區(qū)域擁堵指數(shù)的離散程度，?以評(píng)估路?中不同區(qū)域的交通擁堵差異程度；根據(jù)六維特征畫(huà)像 ，區(qū)域間擁堵不均衡系數(shù)?排名如下：

▲ 區(qū)域間擁堵不均衡系數(shù)

在汽?保有量100-200萬(wàn)的城市中，哈爾濱、廊坊、?華的區(qū)域間擁堵不均衡系數(shù)分別為0.23、0.17和0.09。哈爾濱路?的區(qū)域間擁堵差異程度最? 。

▲ 哈爾濱、廊坊、?華的區(qū)域間擁堵不均衡系數(shù)

?峰?速波動(dòng)系數(shù)，是指?作?通勤?峰全路?平均?速的離散程度，?以評(píng)估不同?期間?峰期間全路?平均運(yùn)?速度波動(dòng)程度。

▲?峰?速波動(dòng)系數(shù)

?峰?速波動(dòng)程度，?般受到不利天?、道路施?、?型活動(dòng)、交通管理政策實(shí)施等因素的影響。

▲幾大城市高峰?峰?速波動(dòng)程度

通過(guò)對(duì)常發(fā)性嚴(yán)重?fù)矶侣范?程占?和嚴(yán)重?fù)矶侣范?程占?的回歸分析，發(fā)現(xiàn)?者呈現(xiàn)較強(qiáng)的正相關(guān)。通過(guò)對(duì)區(qū)域間擁堵不均衡系數(shù)和?峰擁堵指數(shù)的回歸分析，發(fā)現(xiàn)?者呈現(xiàn)較強(qiáng)相關(guān)性，即當(dāng)城市總體較為擁堵時(shí)，各區(qū)域間的擁堵程度差異也較?。

▲常發(fā)性嚴(yán)重?fù)矶侣范?程占?與嚴(yán)重?fù)矶侣范?程占?

▲區(qū)域間擁堵不均衡系數(shù)與?峰擁堵指數(shù)

城市居民通勤狀況

城市居?的就業(yè)地和居住地距離過(guò)遠(yuǎn)所造成的不均衡（以下簡(jiǎn)稱(chēng)職住分離）是造成城市交通擁堵的重要原因之?。量化城市職住分離狀況，洞察背后成因，再通過(guò)城市?地布局優(yōu)化調(diào)整等?段來(lái)減少通勤交通壓?，對(duì)于從源頭上緩解擁堵?關(guān)重要。在城市交通規(guī)劃中，?般使?過(guò)剩通勤指數(shù)來(lái)衡量城市職住分離的嚴(yán)重程度，過(guò)剩通勤指數(shù)=（實(shí)際平均通勤距離-理論最?通勤距離）/實(shí)際平均通勤距離。其中，理論最?通勤距離為在不改變?前城市結(jié)構(gòu)的前提下，居?居住與就業(yè)最優(yōu)組合下的通勤距離最?值。對(duì)全國(guó)百城過(guò)剩通勤指數(shù)分析顯示：

A. 沈陽(yáng)、?安、重慶三個(gè)城市的職住分離程度最為嚴(yán)重，位列前三；

B. ?線(xiàn)城市北、上、?、深的職住分離程度依次減弱，北京最為嚴(yán)重。此外，與常規(guī)認(rèn)知不同的是，?線(xiàn)城市的職住分離現(xiàn)象并?是最嚴(yán)重的；

C. 中?、東莞、佛?三個(gè)城市的過(guò)剩通勤指數(shù)位列最后三位，表明這三個(gè)珠三?城市的職住均衡性最好。

▲過(guò)剩通勤指數(shù)

部分同等規(guī)模的城市，其過(guò)剩通勤指數(shù)差異較?，該結(jié)果可以?于指導(dǎo)相同主城區(qū)規(guī)模城市的城市規(guī)劃和交通規(guī)劃的改進(jìn)?向。例如，唐?的?政區(qū)?積只?肇慶?0.08%，中?城區(qū)?積只?肇慶?0.8%，但唐?的過(guò)剩通勤指數(shù)卻?肇慶?55.3%。

▲唐?和肇慶過(guò)剩通勤指數(shù)差異

過(guò)剩通勤指數(shù)與通勤?峰擁堵指數(shù)呈較強(qiáng)的正相關(guān)，表明平均意義上，城市的職住不均衡現(xiàn)象越嚴(yán)重，該城市越傾向于擁堵。

▲過(guò)剩通勤指數(shù)與通勤?峰擁堵指數(shù)的相關(guān)性

“單程平均通勤時(shí)間”和“單程平均通勤距離”可以作為表征城市通勤成本和職住分離狀況的指標(biāo)，即?作?早晚?峰上下班單程平均?程時(shí)間和距離。

在平均通勤距離??，?線(xiàn)城市平均通勤距離最?；在平均通勤時(shí)間??，?線(xiàn)、新?線(xiàn)以及?線(xiàn)、三線(xiàn)及四、五線(xiàn)的平均通勤時(shí)間均值依次遞減；

過(guò)剩通勤指數(shù)與?政區(qū)單程平均通勤距離呈較強(qiáng)的正相關(guān)，表明城市的職住不均衡現(xiàn)象越嚴(yán)重，居?的單程平均通勤距離就越?。

中?城區(qū)范圍的單程平均通勤距離和時(shí)間??政區(qū)范圍的對(duì)應(yīng)值要?，主要是因?yàn)橐灾?城區(qū)范圍統(tǒng)計(jì)時(shí)，存在很多從遠(yuǎn)郊區(qū)縣?距離通勤到中?城區(qū)上班的?群；但是以?政區(qū)劃范圍統(tǒng)計(jì)時(shí)，由于包含了?量在中?城區(qū)外圍衛(wèi)星城內(nèi)部通勤的?群，客觀(guān)上就會(huì)整體拉低平均通勤距離和時(shí)間。

▲各類(lèi)城市平均通勤距離及平均通勤時(shí)間

▲過(guò)剩通勤指數(shù)與?政區(qū)單程平均通勤距離相關(guān)性

四??線(xiàn)城市均呈現(xiàn)“錢(qián)多離家相對(duì)遠(yuǎn)、錢(qián)少離家相對(duì)近”的特征：四城市?收?群體通勤距離?于10km的?例為低收?群體該?例的1.4-2.1倍，四城市低收?群體通勤距離?于3km的?例為?收?群體該?例的1.8-2.1倍。

▲一線(xiàn)城市通勤距離和收入的關(guān)系

?線(xiàn)城市不同程度地表現(xiàn)出“錢(qián)多離家相對(duì)近”的特征：以?家莊市、保定市、徐州市為代表的近半數(shù)?線(xiàn)城市，通勤距離總體呈現(xiàn)“?收?群體略?于中?收?群體”的態(tài)勢(shì)；

“錢(qián)多離家相對(duì)近”的特征在三線(xiàn)及以下城市相對(duì)更顯著：所有被統(tǒng)計(jì)城市，中?收?群體通勤距離10km以上的?例均超過(guò)?收?群體；超過(guò)半數(shù)的被統(tǒng)計(jì)城市，中低收?群體通勤距離10km以上的?例均超過(guò)中?收?群體。

▲二線(xiàn)城市通勤距離和收入的關(guān)系

城市居民出行狀況

通過(guò)分析城市居?出??的地，可以深度理解居???；顒?dòng)模式，幫助優(yōu)化城市區(qū)域功能設(shè)計(jì)，提升城市交通規(guī)劃和管理?平。將出??的地（包括市內(nèi)出?和跨城出?）按照功能劃分為 4 ?類(lèi) 15 ?類(lèi)，分析結(jié)果顯示：

A、?作商務(wù)和休閑娛樂(lè)類(lèi)出?占?總和達(dá)到了70.65%，是居??常出?的主要?的。其中商務(wù)?作類(lèi)出?占?達(dá)39.31%，在所有出?類(lèi)別中占?最?，這也與居??作?和節(jié)假?主要?活內(nèi)容相吻合；

B、?常?活類(lèi)出?的具體?的較多且分布較分散，其中前往教育培訓(xùn)類(lèi)?的地的出?占?較?，達(dá)到6.14%。另外，前往運(yùn)動(dòng)場(chǎng)所的出??例僅占1.03%，**應(yīng)更多地引導(dǎo)和宣傳提升居?運(yùn)動(dòng)和健身意識(shí)，修建更多的運(yùn)動(dòng)和健身場(chǎng)館；

C、前往旅游景點(diǎn)類(lèi)?的地的出?僅占整體出?的4.64%，有較?提升潛?。**和相關(guān)企業(yè)可以更多地引導(dǎo)和?勵(lì)旅?出游，從?進(jìn)?步提升居??化休閑?平，提振內(nèi)需、促進(jìn)經(jīng)濟(jì)發(fā)展。

▲ 城市居?整體出??的地分析

通過(guò)分析不同發(fā)展?平城市的居?市內(nèi)出??的地分布，可以更好地理解不同發(fā)展?平城市的居?出?的主要需求，結(jié)果顯示：

A. ?線(xiàn)、新?線(xiàn)、?線(xiàn)城市前往公司企業(yè)、寫(xiě)字樓、?化傳媒和運(yùn)動(dòng)健身類(lèi)?的地?例較?，這反映了?線(xiàn)、新?線(xiàn)城市居?對(duì)精神?活和身體健康的關(guān)注，同時(shí)也花費(fèi)了更多的精?在?作相關(guān)出?上。

B. 與之相對(duì)，三線(xiàn)、四線(xiàn)城市居?前往麗?、休閑娛樂(lè)、旅游景點(diǎn)、購(gòu)物、?活服務(wù)和美?類(lèi)?的地?例較?，這反映了三線(xiàn)、四線(xiàn)城市居??作和?活平衡性更好，有更多的時(shí)間進(jìn)?休閑娛樂(lè)。

▲市內(nèi)出?中各品類(lèi)?的地到訪(fǎng)?群所在城市等級(jí)分布

通過(guò)分析不同發(fā)展?平城市的居?跨城出??的地分布，可以更好地理解不同發(fā)展?平城市的居?出?的主要需求，結(jié)果顯示：

A. ?線(xiàn)、新?線(xiàn)城市跨城出?前往?化傳媒、運(yùn)動(dòng)場(chǎng)館、寫(xiě)字樓和公司企業(yè)類(lèi)?的地?例較?，這反映了?線(xiàn)、新?線(xiàn)城市跨城出??的主要是為了?化?活和商務(wù)?作。

B. 三線(xiàn)、四線(xiàn)城市居?跨城出??的地更多地集中在購(gòu)物、麗?、旅游景點(diǎn)和教育培訓(xùn)類(lèi)?的地，這反映了三線(xiàn)、四線(xiàn)城市居?的?常娛樂(lè)需求進(jìn)?步外溢，這可能是跨城出?的主要驅(qū)動(dòng)?。

▲跨城出?中各品類(lèi)?的地到訪(fǎng)?群所在城市等級(jí)分布

通過(guò)分析百度地圖出??數(shù)據(jù)，北、上、?、深居?出??的地呈現(xiàn)整體分布趨同，個(gè)別品類(lèi)有差異的現(xiàn)象：

A. 深圳居?去往公司企業(yè)類(lèi)?的地?例最?，這反映深圳居?以?作為?的的出?最多。

B. 交通樞紐類(lèi)?的地中，北京和?州居?出??例較?，這也與北京和?州分別為南、北?兩?交通樞紐的**相吻合。

C. 購(gòu)物類(lèi)?的地中，?州和深圳居?出??例?于北京和上海，這反映了?州和深圳居?有更強(qiáng)的消費(fèi)需求。

D. ?化傳媒類(lèi)?的地中，深圳居?出?占?低于其他三個(gè)城市，這客觀(guān)反映了經(jīng)濟(jì)特區(qū)深圳與歷史?化名城北、上、?在?化發(fā)展上還存在?定差距 。

▲?線(xiàn)城市居?市內(nèi)出?前往各品類(lèi)?的地分布

與市內(nèi)出??的地相?，北、上、?、深居?跨城出??的地呈現(xiàn)如下特點(diǎn)：

A. 從跨城出?絕對(duì)次數(shù)來(lái)看，?州居?跨城出?次數(shù)遠(yuǎn)?于其他三個(gè)城市，?深圳居?跨城出?次數(shù)最低。

B. ?州居?去往購(gòu)物和美?類(lèi)?的地?例遠(yuǎn)?于其他三個(gè)城市，這也側(cè)?印證了?州居?“?在?州”、“玩在?州”的?活寫(xiě)照。

C. 深圳居?去往購(gòu)物、美?、休閑娛樂(lè)類(lèi)?的地?例也?于北京和上海，這可能是因?yàn)橹槿?城市群更?程度的?體化。此外，深圳居?跨城出?主要?的地依然是公司企業(yè)，與整體出?分布?致。

▲ ?線(xiàn)城市居?跨城出?前往各品類(lèi)?的地分布

距離是影響居?出?的重要因素。通過(guò)百度地圖?數(shù)據(jù)分析，居?出??的地?多在?公?以?xún)?nèi)（超過(guò)70%）。其中：去往?活服務(wù)類(lèi)（如麗?等）和休閑娛樂(lè)類(lèi)（如美?等）?的地的平均出?距離更短，這主要是因?yàn)槊?和購(gòu)物等?的地?cái)?shù)量較多且分布均勻，具有可替代性，居?可以?主選擇較近?的地； ?去往旅游景點(diǎn)、?化傳媒和交通樞紐的出?分布與距離關(guān)系不?，主要是因?yàn)檫@?類(lèi)?的地?cái)?shù)量有限且較難替代。

城市公共交通狀況

公共交通（含公交和地鐵）出??程包括乘??程及全程兩端步??程。?線(xiàn)、新?線(xiàn)及?線(xiàn)城市公共交通出??程以20-30公?占?最?，三線(xiàn)、四線(xiàn)及五線(xiàn)城市公共交通出??程以2-3公?占?最?。在各個(gè)范圍內(nèi)的城市公共交通出??程分布中，2-3km內(nèi)四五線(xiàn)城市?例最?，三線(xiàn)城市其次；10-12km內(nèi)?線(xiàn)城市?例最?，三線(xiàn)城市其次；20-30km內(nèi)?線(xiàn)城市?例最?，?線(xiàn)城市其次 。

▲各類(lèi)城市公共交通出??程分布

▲各類(lèi)城市公共交通出??程累計(jì)分布

公共交通出??時(shí)包括地?公交及地鐵出?到站步?時(shí)間+乘?時(shí)間+換乘時(shí)間+離站步?時(shí)間。 ?線(xiàn)、新?線(xiàn)城市的公共交通出?平均?時(shí)為50.2分鐘，沈陽(yáng)公共交通出?平均?時(shí)最短，為44.1分鐘，東莞的公共交通出?平均?時(shí)最?，為63.4分鐘，相差19.3分鐘。?線(xiàn)城市的公共交通出?平均?時(shí)為52.7分鐘，廈?的公共交通出?平均?時(shí)最短，為42.2分鐘；南通的公共交通出?平均?時(shí)最?，為67.7分鐘，相差25.5分鐘。

▲?線(xiàn)、新?線(xiàn)城市公共交通平均?時(shí)

▲ ?線(xiàn)城市公共交通平均?時(shí)

公共交通站點(diǎn)步?距離（數(shù)值為到站步?距離和離站步?距離的均值）可以側(cè)?反映公共交通站點(diǎn)的可達(dá)性，公共交通站點(diǎn)步?距離越?，站點(diǎn)可達(dá)性越?。各類(lèi)城市公共交通站點(diǎn)步?距離在各范圍內(nèi)的分布中，?線(xiàn)、新?線(xiàn)、?線(xiàn)城市在800?以?xún)?nèi)范圍占?更?，?三線(xiàn)城市和四、五線(xiàn)城市在800?以上范圍占?更?。從結(jié)果可以看出，三、四、五線(xiàn)城市需重點(diǎn)加強(qiáng)公共交通站點(diǎn)覆蓋。各類(lèi)城市的公共交通出?站點(diǎn)平均步?距離，按照?線(xiàn)、新?線(xiàn)、?線(xiàn)、三線(xiàn)及四、五線(xiàn)城市的順序遞增，這也側(cè)?反映了較發(fā)達(dá)城市公交站點(diǎn)的建設(shè)密度相對(duì)更?。

▲ 各類(lèi)城市公共交通站點(diǎn)步?距離分布

▲各類(lèi)城市公共交通出?站點(diǎn)平均步?距離（m）

在?線(xiàn)、新?線(xiàn)城市中，公共交通出?站點(diǎn)平均步?距離深圳最短，為436?，鄭州最?，為567?。在?線(xiàn)城市中，公共交通出?站點(diǎn)平均步?距離廈?最短，為465?，溫州最?，為673?。

▲?線(xiàn)、新?線(xiàn)城市公共交通出?站點(diǎn)平均步?距離（m）

▲?線(xiàn)城市公共交通出?站點(diǎn)平均步?距離（m）

公共交通出?平均換乘步?距離： 每次有換乘的公共交通出?平均需要的換乘步?距離，多次換乘則為各次換乘步?距離之和。

公共交通出?平均步?距離： 使?公共交通出?，從出發(fā)點(diǎn)到?的地之間需要步?的平均距離（包含到站步?距離+換乘距離+離站步?距離）。 隨著城市等級(jí)的下降，公共交通出?平均換乘步?距離下降，但平均步?距離卻在增加。原因可能是：?線(xiàn)、新?線(xiàn)、?線(xiàn)城市?量的道路**分隔、道路紅線(xiàn)寬度普遍過(guò)寬、?型樞紐換乘步?距離過(guò)?、換乘次數(shù)較多等原因造成換乘總體步?距離過(guò)?，?三、四、五線(xiàn)城市雖然換乘步?距離較短，但公共交通站點(diǎn)數(shù)量偏少，到站和離站步?距離偏?導(dǎo)致市?出?整體步?距離過(guò)?。建議?線(xiàn)、新?線(xiàn)、?線(xiàn)城市在優(yōu)化公共交通出?服務(wù)時(shí)，以縮短換乘距離為優(yōu)化重點(diǎn)，三、四、五線(xiàn)城市則以增加站點(diǎn)覆蓋為主。

▲?線(xiàn)、新?線(xiàn)城市平均換乘步?距離排名

公共交通站點(diǎn)平均覆蓋居住及崗位?數(shù)，是地?公交或軌道交通站點(diǎn)周邊?定范圍內(nèi)覆蓋的居住及崗位?數(shù)之和；?個(gè)城市的站點(diǎn)平均覆蓋居住及崗位?數(shù)是指整個(gè)城市所有站點(diǎn)覆蓋居住及崗位?數(shù)的平均值。

截?2018年底已經(jīng)開(kāi)通地鐵的城市中，?州市軌道交通站點(diǎn)200?半徑平均覆蓋居住及崗位?數(shù)最多，約為12022?；貴陽(yáng)市最少，約為3056?。兩圖對(duì)?可以看出，同?城市軌道交通站點(diǎn)周邊200?半徑覆蓋的居住及崗位?數(shù)普遍?地?公交站點(diǎn)?，說(shuō)明軌道交通站點(diǎn)周邊?地利??般?較集約，但也有?些城市的軌道交通站點(diǎn)周邊覆蓋的居住及崗位?數(shù)偏低，原因可能是軌道的選線(xiàn)偏離??集聚中?，也可能是軌道交通站點(diǎn)周邊的開(kāi)發(fā)不夠集約或開(kāi)發(fā)尚未成熟。

▲地?公交站點(diǎn)200?半徑平均覆蓋居住及崗位?數(shù)TOP10城市

城市交通與環(huán)境問(wèn)題

“??霧霾兩茫茫，霧霾天，?抓狂?！膘F霾天?的發(fā)?對(duì)居?出?與交通運(yùn)?造成了?定的影響，那么霧霾對(duì)道路擁堵到底影響?何？通過(guò)對(duì)2018年全國(guó)百城?象數(shù)據(jù)與交通路況數(shù)據(jù)進(jìn)?關(guān)聯(lián)分析，得到如下結(jié)果：

A. 通過(guò)分析發(fā)現(xiàn)，絕?部分城市霧霾濃度和交通擁堵相關(guān)聯(lián)，霧霾導(dǎo)致平均?駛速度降低、交通擁堵指數(shù)增加；

B. 通過(guò)研究**百城?平均AQI（空?質(zhì)量指數(shù)），?降?量與通勤?峰擁堵指數(shù)和實(shí)際速度（即擁堵速度）相關(guān)性分析結(jié)果顯示：6-8?份降?較多，相應(yīng)的通勤?峰擁堵指數(shù)較?，實(shí)際速度較低，主要受降?天?影響；10-11?份AQI指數(shù)增?，降?較少，相應(yīng)的通勤?峰擁堵指數(shù)增?，實(shí)際速度下降，主要受霧霾天?影響。

▲百城中霧霾與擁堵成正相關(guān)的城市

▲ 擁堵指數(shù)與AQI及降?量相關(guān)性

全國(guó)百城中?部分城市的霧霾與交通擁堵息息相關(guān)：???，霧霾會(huì)對(duì)?體健康、舒適度產(chǎn)?影響，使得乘客更傾向于?汽?出?；另???，霧霾也會(huì)直接對(duì)空?能?度產(chǎn)?影響，?擾駕駛?為，也較易導(dǎo)致交通事故多發(fā)，會(huì)加重?fù)矶隆８鶕?jù)百度路況與?象數(shù)據(jù)，繪制了霧霾與交通擁堵?tīng)顩r相關(guān)性全國(guó)百城分布熱?圖：

A. 霧霾與擁堵的相關(guān)性集中在經(jīng)濟(jì)產(chǎn)業(yè)發(fā)達(dá)、??規(guī)模聚集、機(jī)動(dòng)?保有量?的?中城市群；

B. ?三?地區(qū)霧霾與擁堵相關(guān)性最明顯。霧霾越?，通勤?峰擁堵越嚴(yán)重，實(shí)際速度（即擁堵?速）越?；進(jìn)?造成惡性循環(huán)，擁堵越嚴(yán)重，機(jī)動(dòng)?污染物排放越多，霧霾越?；

C. 京津冀、珠三?等地區(qū)霧霾與交通擁堵相關(guān)性也較?，這些地區(qū)也是區(qū)域性霾問(wèn)題較嚴(yán)重的地區(qū)。

▲ AQI（空?質(zhì)量指數(shù)）與擁堵指數(shù)相關(guān)性

▲ PM2.5與擁堵指數(shù)相關(guān)性

在秋冬季節(jié)，由于各種因素，??中?溶膠濃度?，更容易催?霧霾。并且此季節(jié)的污染物擴(kuò)散困難，容易累積，這會(huì)進(jìn)?步加劇霧霾天?的發(fā)展，甚?導(dǎo)致重污染現(xiàn)象。那么在霧霾更加嚴(yán)重的季節(jié)，其致堵的可能性是否會(huì)加?呢？霧霾與擁堵的相關(guān)性?如何變化呢？通過(guò)對(duì)?霧霾嚴(yán)重季節(jié)與前述的4-11?期間總體相關(guān)性圖可以發(fā)現(xiàn)：

隨著霧霾加劇，擁堵也越嚴(yán)重。相關(guān)性的提?說(shuō)明霧霾對(duì)擁堵影響更?更為顯著。京津冀地區(qū)、?三?等??密度?、發(fā)展快速的地區(qū)變化最明顯，致堵可能性顯著提?，霧霾與擁堵共發(fā)性更加?致?？?，掌握秋冬季節(jié)霧霾的變化對(duì)于預(yù)測(cè)交通客流出?規(guī)律、執(zhí)?交通管理調(diào)度有重要意義。

以北京2018年11?26-27?嚴(yán)重霧霾期間的擁堵和霧霾關(guān)聯(lián)關(guān)系分析為例：因擁堵指數(shù)與擁堵速度相較于AQI、PM2.5數(shù)據(jù)具有較強(qiáng)的周期性（早晚?峰，?作?和??作?），需利?經(jīng)驗(yàn)?zāi)B(tài)分解（Empirical Mode Decomposition）?法分解含噪數(shù)據(jù)，將信號(hào)中的噪聲和有效信號(hào)在不同的固有模態(tài)函數(shù)（intrinsic mode function，IMF）中分離開(kāi)來(lái)，然后通過(guò)選擇IMF重構(gòu)信號(hào)，剔除噪聲及周期性影響，最后進(jìn)?趨勢(shì)相關(guān)性分析。

分析結(jié)果顯示，PM2.5與通勤?峰擁堵指數(shù)具有較強(qiáng)的正相關(guān)性，與實(shí)際速度（即擁堵速度）具有較強(qiáng)的負(fù)相關(guān)性，可能是因?yàn)楫?dāng)空?中存在?量顆粒物質(zhì)（PM2.5等）時(shí)，造成光的散射和光吸收增強(qiáng)，會(huì)導(dǎo)致能?度降低，因此與擁堵指數(shù)和實(shí)際速度相關(guān)性較強(qiáng)。?AQI則與通勤?峰擁堵指數(shù)和實(shí)際速度的的相關(guān)性較弱，可能因?yàn)锳QI是根據(jù)多項(xiàng)污染物（包括PM2.5、SO2、NO2、CO、O３等）數(shù)據(jù)計(jì)算出的綜合指數(shù)，受?PM2.5污染物因素的影響，擁堵指數(shù)和速度與AQI的相關(guān)性較弱。

▲擁堵指數(shù)、速度、PM2.5、AQI時(shí)間序列

▲ 擁堵指數(shù)和速度與PM2.5和AQI相關(guān)性

降?導(dǎo)致的可視距離縮短會(huì)影響駕駛員的綜合判斷能?，進(jìn)?降低??速度，容易造成交通擁堵。此外，降?使得路?與輪胎摩擦系數(shù)降低，?輛易發(fā)?側(cè)滑、追尾等交通事故，引發(fā)交通擁堵。通過(guò)對(duì)交通擁堵和降?數(shù)據(jù)進(jìn)?相關(guān)性分析，結(jié)果顯示：

A.絕?部分城市的?降?量與擁堵指數(shù)呈現(xiàn)正相關(guān)關(guān)系，即降?量越?，擁堵越嚴(yán)重。

B. 沿海地區(qū)降?對(duì)擁堵的影響較內(nèi)陸地區(qū)明顯更??些。

C. 北?地區(qū)較南?地區(qū)的降?影響更??些。

D. 降?對(duì)擁堵影響較?的城市，建議加強(qiáng)擁堵強(qiáng)度預(yù)報(bào)預(yù)警、安全駕駛提醒等，并加強(qiáng)降?期間的交通管理，保障道路交通安全。

▲降?量與擁堵指數(shù)的相關(guān)性

城市綠色出行發(fā)展?fàn)顩r

隨著我國(guó)新能源汽?發(fā)展?勵(lì)政策的逐步實(shí)施以及新能源汽?保有量的穩(wěn)步增?，充電基礎(chǔ)設(shè)施建設(shè)迎來(lái)快速發(fā)展，各能源企業(yè)、?企、互聯(lián)?企業(yè)等都紛紛布局充電運(yùn)營(yíng)服務(wù)。百度地圖聯(lián)合充電運(yùn)營(yíng)服務(wù)?業(yè)各??商，于2018年初上線(xiàn)充電樁地圖，幫助新能源?主快速找到周邊及?的地充電樁，快速選擇充電樁。

其中，特來(lái)電品牌充電樁數(shù)量位列全國(guó)第?，截?2018年12?中旬，特來(lái)電充電樁總數(shù)超過(guò)20萬(wàn)，覆蓋300余城市，提供的充電服務(wù)累計(jì)可減少170余萬(wàn)噸碳排放量，節(jié)省燃油7.5億升。

根據(jù)特來(lái)電?數(shù)據(jù)云平臺(tái)數(shù)據(jù)分析顯示：

A. 特來(lái)電新能源汽??戶(hù)的充電?為集中分布于??低峰期（即常規(guī)?作時(shí)間及休息時(shí)間）。

B. 22點(diǎn)?次?凌晨4點(diǎn)為?電?峰期，且峰值?于?間峰值，原因主要是：夜間?輛停駛為最佳充電時(shí)間窗?、夜間電價(jià)較低。

C. 凌晨起到清晨充電功率趨勢(shì)開(kāi)始遞減是電動(dòng)汽?逐漸完成充電所致。

▲ 新能源充電樁功率24?時(shí)分布

根據(jù)特來(lái)電?數(shù)據(jù)云平臺(tái)數(shù)據(jù)分析顯示，新能源?每次充電訂單：

A. 每**均充電量為30度，按照?多數(shù)新能源汽?的能耗來(lái)計(jì)算，平均每次的充電量基本可以滿(mǎn)?150km—200km的續(xù)航?程；

B. 每**均時(shí)?為1.25?時(shí)，根據(jù)每**均充電量為30度計(jì)算，相當(dāng)于平均充電功率為24kw，遠(yuǎn)?于?般慢充<10kw的充電功率，說(shuō)明快充訂單充電量占絕?部分；

C. 每**均費(fèi)?為27.5元。

根據(jù)特來(lái)電2017、2018年充電量數(shù)據(jù)分析顯示，隨著新能源?銷(xiāo)量的上升以及充電樁建設(shè)的加速，充電量呈現(xiàn)逐季度、逐年上升的趨勢(shì)。

▲ 特來(lái)電充電訂單情況

城市智能交通市場(chǎng)發(fā)展?fàn)顩r

城市智能交通**項(xiàng)?型市場(chǎng)，包括智能交通管理和智能交通運(yùn)輸兩?領(lǐng)域，具體包括交通指揮類(lèi)平臺(tái)、交通信號(hào)控制、電?警察、卡?、交通視頻**、交通信息采集與發(fā)布、智慧公交、智慧停?、出租?信息**系統(tǒng)等九個(gè)細(xì)分?業(yè)。

智能交通領(lǐng)域權(quán)威媒體賽?交通?重磅發(fā)布“城市智能交通**項(xiàng)?型市場(chǎng)?項(xiàng)?指數(shù)（Big Project Index，BPI）”:

A. 涵蓋千萬(wàn)級(jí)規(guī)模項(xiàng)?的數(shù)量變化和市場(chǎng)規(guī)模變化趨勢(shì)；

B. BPI包含?項(xiàng)?數(shù)量指數(shù)（Big Project Quantity Index, BPQI）和?項(xiàng)?規(guī)模指數(shù)（Big Project Amount Index, BPAI）；

C. BPQI 以2017年季度平均?項(xiàng)?數(shù)量為基期，基點(diǎn)為100；BPAI 以2017年季度平均市場(chǎng)規(guī)模為基期，基點(diǎn)為100；

D. ?項(xiàng)?數(shù)量指數(shù)（BPQI）代表市場(chǎng)機(jī)會(huì)發(fā)展?平；?項(xiàng)?規(guī)模指數(shù)（BPAI）代表市場(chǎng)需求發(fā)展?平。

▲ ?項(xiàng)?指數(shù)（BPI）投資情況

根據(jù)百度指數(shù)分析顯示，2018年以來(lái)與智能交通相關(guān)的百度搜索TOP25問(wèn)題中，??關(guān)注最多的問(wèn)題可以歸結(jié)為違章抓拍、放管服+?駕管、智能公交、出?信息服務(wù)和?動(dòng)駕駛五?類(lèi) ：

A. 違章抓拍類(lèi)：最關(guān)注違章查詢(xún)，違章處罰等問(wèn)題；

B. 放管服+?駕管類(lèi)：主要關(guān)注駕考、?輛年檢等涉?服務(wù)與管理問(wèn)題；

C. 智能公交類(lèi)：對(duì)于實(shí)時(shí)公交和公交線(xiàn)路獲取需求最?；

D. 出?信息服務(wù)類(lèi)：關(guān)注點(diǎn)集中在地圖導(dǎo)航和出?信息查詢(xún)；

E. ?動(dòng)駕駛類(lèi)：關(guān)注最多的是?聯(lián)?。

近年來(lái)智能城市及智能交通市場(chǎng)發(fā)展迅速，伴隨著互聯(lián)?、??智能、?數(shù)據(jù)和云計(jì)算等新興技術(shù)的不斷應(yīng)?，智能交通領(lǐng)域熱點(diǎn)輪動(dòng)?；诎俣嚷暭{輿情?數(shù)據(jù)，對(duì)互聯(lián)?+交通，??智能+交通，??駕駛、?數(shù)據(jù)+交通、智能公交、交通?付、物聯(lián)?+交通、5G+交通、云計(jì)算+交通、交通信號(hào)控制和智能停?等14類(lèi)智能交通細(xì)分領(lǐng)域進(jìn)?了熱點(diǎn)統(tǒng)計(jì)分析：

A. 2018年智能交通領(lǐng)域?絡(luò)媒體關(guān)注TOP5熱點(diǎn)是互聯(lián)?+交通、違章抓拍、??智能+交通、?動(dòng)駕駛、?數(shù)據(jù)+交通。

B. 2018年交通科技領(lǐng)域，互聯(lián)?、??智能、?數(shù)據(jù)、?動(dòng)駕駛、物聯(lián)?等技術(shù)持續(xù)?爆，媒體?泛關(guān)注。

互聯(lián)?+交通細(xì)分領(lǐng)域，對(duì)?動(dòng)駕駛、公交、出?、停?、?駕管、交通信號(hào)6個(gè)話(huà)題進(jìn)??絡(luò)媒體熱點(diǎn)統(tǒng)計(jì)，其中互聯(lián)?+?動(dòng)駕駛的媒體關(guān)注度最?，其次是互聯(lián)?+公交。

5G+交通細(xì)分領(lǐng)域，對(duì)?動(dòng)駕駛、出?服務(wù)、公交、停?、交通信號(hào)5個(gè)話(huà)題進(jìn)??絡(luò)媒體熱點(diǎn)統(tǒng)計(jì)，其中?動(dòng)駕駛的媒體關(guān)注度最?，其次是出?服務(wù)。

▲各領(lǐng)域關(guān)注點(diǎn)

智東西認(rèn)為，隨著城市化進(jìn)程的持續(xù)增加，人口的跨區(qū)域流動(dòng)越來(lái)越頻繁，人口流動(dòng)向大城市的流動(dòng)越來(lái)越頻繁，大城市常住人口規(guī)模的快速膨脹，必然帶來(lái)交通出行需求的絕對(duì)增加，城市交通系統(tǒng)正承受著越來(lái)越大的壓力。目前，一線(xiàn)城市的上班族均呈現(xiàn)“錢(qián)多離家相對(duì)遠(yuǎn)、錢(qián)少離家相對(duì)近”的特征。而在典型二線(xiàn)及其他城市中“錢(qián)多離家近”的趨勢(shì)更為常見(jiàn)。但在汽車(chē)行業(yè)電動(dòng)化、智能化、網(wǎng)聯(lián)化、共享化“大勢(shì)所趨”背景下，隨著物聯(lián)網(wǎng)、自動(dòng)駕駛、人工智能等技術(shù)的發(fā)展，相信不久的未來(lái)城市交通出行問(wèn)題能得到徹底的改善。

拓展知識(shí)：

保定熱線(xiàn)違章查詢(xún)

http://www.bdjiaojing.cn/web/index.asp保定市**局交通警察支隊(duì)主頁(yè)中間位置有違章查詢(xún)，可以輸入車(chē)牌號(hào)或者駕照號(hào)查詢(xún)