查看原文
其他

哈尔滨拥堵超北京!有钱人住的远,2018年度城市交通报告【附下载】| 智东西内参

智东西内参 智东西 2019-12-10

看点:通过⼤数据客观反映城市的交通拥堵、居⺠通勤、居⺠出⾏、公共交通、交通与环境、绿⾊出⾏和智能交通市场的状况 。

近日,百度地图发布了《2018年度百度交通报告》,该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、⻘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。该报告选取了中国100个主要城市,通过⼤数据客观反映城市的交通拥堵、居⺠通勤、居⺠出⾏、公共交通、交通与环境、绿⾊出⾏和智能交通市场的状况。

本期的智能内参,我们推荐这份《2018年度百度交通报告》, 通过⼤数据客观反映城市的交通拥堵、居⺠通勤、居⺠出⾏、公共交通、交通与环境、绿⾊出⾏和智能交通市场的状况 。如果想收藏本文的报告全文( 2018年度百度交通报告),可以在智东西公众号:(zhidxcom)回复关键词“nc319”获取。

城市交通拥堵状况

2018年第4季度,哈尔滨超过北京位列全国百城拥堵榜单⾸位,通勤⾼峰拥堵指数环⽐第3季度上升3.28%。北京和重庆分列拥堵榜单第⼆位和第三位。

▲城市交通拥堵状况

2018年第4季度,拥堵缓解TOP10城市中,上海、清远、⻓春位列前三位,其第4季度通勤⾼峰拥堵指数环⽐分别下降10.41%、9.03%和7.30%。其中,上海通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。⻓春拥堵程度缓解也相对较⼤,其通勤⾼峰拥堵指数环⽐下降7.30%。 拥堵加重TOP10城市中,乌鲁⽊⻬、拉萨、衡阳位列前三位,其第4季度通勤⾼峰拥堵指数环⽐上升25.17%、12.87%和11.35%。

▲ 拥堵缓解排名

▲ 拥堵加重排名

百度根据城市交通拥堵综合评价体系构建了“城市交通拥堵六维特征画像”。

▲城市交通拥堵六维特征画像

根据这个定义,得到各城市的六维特征如下:

▲汽⻋保有量超300万级典型城市六维特征画像

▲汽⻋保有量超200万级典型城市六维特征画像

▲汽⻋保有量超100万级典型城市六维特征画像

▲汽⻋保有量低于100万级典型城市六维特征画像

严重拥堵持续时间,是指⼯作⽇通勤⾼峰期间全路⽹处于严重拥堵状态的平均累计时间,⽤以评估路⽹中严重拥堵状态的时间持续程度。 根据六维特征画像 ,严重拥堵状态时间排名如下:

▲ 严重拥堵持续时间

严重拥堵路段⾥程占⽐,是指⼯作⽇通勤⾼峰期间,城市路⽹中发⽣严重拥堵的路段⾥程与路⽹总⾥程的⽐例,⽤以评估路⽹中严重拥堵状态的空间蔓延程度。 根据六维特征画像 ,严重拥堵路段⾥程占⽐排名如下:

▲ 严重拥堵路段⾥程占⽐

区域间拥堵不均衡系数,是指⼯作⽇通勤⾼峰期间,城市路⽹中不同⽹格区域拥堵指数的离散程度,⽤以评估路⽹中不同区域的交通拥堵差异程度;根据六维特征画像 ,区域间拥堵不均衡系数⽐排名如下:

▲ 区域间拥堵不均衡系数

在汽⻋保有量100-200万的城市中,哈尔滨、廊坊、⾦华的区域间拥堵不均衡系数分别为0.23、0.17和0.09。哈尔滨路⽹的区域间拥堵差异程度最⼤ 。

▲ 哈尔滨、廊坊、⾦华的区域间拥堵不均衡系数

⾼峰⻋速波动系数,是指⼯作⽇通勤⾼峰全路⽹平均⻋速的离散程度,⽤以评估不同⽇期间⾼峰期间全路⽹平均运⾏速度波动程度。

▲⾼峰⻋速波动系数

⾼峰⻋速波动程度,⼀般受到不利天⽓、道路施⼯、⼤型活动、交通管理政策实施等因素的影响。

▲几大城市高峰⾼峰⻋速波动程度

通过对常发性严重拥堵路段⾥程占⽐和严重拥堵路段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。

▲常发性严重拥堵路段⾥程占⽐与严重拥堵路段⾥程占⽐

▲区域间拥堵不均衡系数与⾼峰拥堵指数

 城市居民通勤状况

城市居⺠的就业地和居住地距离过远所造成的不均衡(以下简称职住分离)是造成城市交通拥堵的重要原因之⼀。量化城市职住分离状况,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交通压⼒,对于从源头上缓解拥堵⾄关重要。在城市交通规划中,⼀般使⽤过剩通勤指数来衡量城市职住分离的严重程度,过剩通勤指数=(实际平均通勤距离-理论最⼩通勤距离)/实际平均通勤距离。其中,理论最⼩通勤距离为在不改变⽬前城市结构的前提下,居⺠居住与就业最优组合下的通勤距离最⼩值。对全国百城过剩通勤指数分析显示:

A. 沈阳、⻄安、重庆三个城市的职住分离程度最为严重,位列前三;

B. ⼀线城市北、上、⼴、深的职住分离程度依次减弱,北京最为严重。此外,与常规认知不同的是,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指数位列最后三位,表明这三个珠三⻆城市的职住均衡性最好。

▲过剩通勤指数

部分同等规模的城市,其过剩通勤指数差异较⼤,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。例如,唐⼭的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%,但唐⼭的过剩通勤指数却⽐肇庆⼤55.3%。

▲唐⼭和肇庆过剩通勤指数差异

过剩通勤指数与通勤⾼峰拥堵指数呈较强的正相关,表明平均意义上,城市的职住不均衡现象越严重,该城市越倾向于拥堵。

▲过剩通勤指数与通勤⾼峰拥堵指数的相关性

“单程平均通勤时间”和“单程平均通勤距离”可以作为表征城市通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程时间和距离。

 在平均通勤距离⽅⾯,⼆线城市平均通勤距离最⼩;在平均通勤时间⽅⾯,⼀线、新⼀线以及⼆线、三线及四、五线的平均通勤时间均值依次递减;

过剩通勤指数与⾏政区单程平均通勤距离呈较强的正相关,表明城市的职住不均衡现象越严重,居⺠的单程平均通勤距离就越⻓。

中⼼城区范围的单程平均通勤距离和时间⽐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⻓距离通勤到中⼼城区上班的⼈群;但是以⾏政区划范围统计时,由于包含了⼤量在中⼼城区外围卫星城内部通勤的⼈群,客观上就会整体拉低平均通勤距离和时间。

▲各类城市平均通勤距离及平均通勤时间

▲过剩通勤指数与⾏政区单程平均通勤距离相关性

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距离⼤于10km的⽐例为低收⼊群体该⽐例的1.4-2.1倍,四城市低收⼊群体通勤距离⼩于3km的⽐例为⾼收⼊群体该⽐例的1.8-2.1倍。

▲一线城市通勤距离和收入的关系

⼆线城市不同程度地表现出“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,通勤距离总体呈现“⾼收⼊群体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显著:所有被统计城市,中⾼收⼊群体通勤距离10km以上的⽐例均超过⾼收⼊群体;超过半数的被统计城市,中低收⼊群体通勤距离10km以上的⽐例均超过中⾼收⼊群体。

▲二线城市通勤距离和收入的关系

城市居民出行状况

通过分析城市居⺠出⾏⽬的地,可以深度理解居⺠⽇常活动模式,帮助优化城市区域功能设计,提升城市交通规划和管理⽔平。将出⾏⽬的地(包括市内出⾏和跨城出⾏)按照功能划分为 4 ⼤类 15 ⼩类,分析结果显示:

A、⼯作商务和休闲娱乐类出⾏占⽐总和达到了70.65%,是居⺠⽇常出⾏的主要⽬的。其中商务⼯作类出⾏占⽐达39.31%,在所有出⾏类别中占⽐最⾼,这也与居⺠⼯作⽇和节假⽇主要⽣活内容相吻合;

B、⽇常⽣活类出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占⽐较⾼,达到6.14%。另外,前往运动场所的出⾏⽐例仅占1.03%,政府应更多地引导和宣传提升居⺠运动和健身意识,修建更多的运动和健身场馆;

C、前往旅游景点类⽬的地的出⾏仅占整体出⾏的4.64%,有较⼤提升潜⼒。政府和相关企业可以更多地引导和⿎励旅⾏出游,从⽽进⼀步提升居⺠⽂化休闲⽔平,提振内需、促进经济发展。

▲ 城市居⺠整体出⾏⽬的地分析

通过分析不同发展⽔平城市的居⺠市内出⾏⽬的地分布,可以更好地理解不同发展⽔平城市的居⺠出⾏的主要需求,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较⾼,这反映了⼀线、新⼀线城市居⺠对精神⽣活和身体健康的关注,同时也花费了更多的精⼒在⼯作相关出⾏上。

B. 与之相对,三线、四线城市居⺠前往丽⼈、休闲娱乐、旅游景点、购物、⽣活服务和美⻝类⽬的地⽐例较⾼,这反映了三线、四线城市居⺠⼯作和⽣活平衡性更好,有更多的时间进⾏休闲娱乐。

▲市内出⾏中各品类⽬的地到访⼈群所在城市等级分布

通过分析不同发展⽔平城市的居⺠跨城出⾏⽬的地分布,可以更好地理解不同发展⽔平城市的居⺠出⾏的主要需求,结果显示:

A. ⼀线、新⼀线城市跨城出⾏前往⽂化传媒、运动场馆、写字楼和公司企业类⽬的地⽐例较⾼,这反映了⼀线、新⼀线城市跨城出⾏⽬的主要是为了⽂化⽣活和商务⼯作。

B. 三线、四线城市居⺠跨城出⾏⽬的地更多地集中在购物、丽⼈、旅游景点和教育培训类⽬的地,这反映了三线、四线城市居⺠的⽇常娱乐需求进⼀步外溢,这可能是跨城出⾏的主要驱动⼒。

▲跨城出⾏中各品类⽬的地到访⼈群所在城市等级分布

通过分析百度地图出⾏⼤数据,北、上、⼴、深居⺠出⾏⽬的地呈现整体分布趋同,个别品类有差异的现象:

A. 深圳居⺠去往公司企业类⽬的地⽐例最⾼,这反映深圳居⺠以⼯作为⽬的的出⾏最多。

B. 交通枢纽类⽬的地中,北京和⼴州居⺠出⾏⽐例较⾼,这也与北京和⼴州分别为南、北⽅两⼤交通枢纽的定位相吻合。

C. 购物类⽬的地中,⼴州和深圳居⺠出⾏⽐例⾼于北京和上海,这反映了⼴州和深圳居⺠有更强的消费需求。

D. ⽂化传媒类⽬的地中,深圳居⺠出⾏占⽐低于其他三个城市,这客观反映了经济特区深圳与历史⽂化名城北、上、⼴在⽂化发展上还存在⼀定差距 。

▲⼀线城市居⺠市内出⾏前往各品类⽬的地分布

与市内出⾏⽬的地相⽐,北、上、⼴、深居⺠跨城出⾏⽬的地呈现如下特点:

A. 从跨城出⾏绝对次数来看,⼴州居⺠跨城出⾏次数远⾼于其他三个城市,⽽深圳居⺠跨城出⾏次数最低。

B. ⼴州居⺠去往购物和美⻝类⽬的地⽐例远⾼于其他三个城市,这也侧⾯印证了⼴州居⺠“⻝在⼴州”、“玩在⼴州”的⽣活写照。

C. 深圳居⺠去往购物、美⻝、休闲娱乐类⽬的地⽐例也⾼于北京和上海,这可能是因为珠三⻆城市群更⾼程度的⼀体化。此外,深圳居⺠跨城出⾏主要⽬的地依然是公司企业,与整体出⾏分布⼀致。

▲ ⼀线城市居⺠跨城出⾏前往各品类⽬的地分布

距离是影响居⺠出⾏的重要因素。通过百度地图⼤数据分析,居⺠出⾏⽬的地⼤多在⼗公⾥以内(超过70%)。其中:去往⽣活服务类(如丽⼈等)和休闲娱乐类(如美⻝等)⽬的地的平均出⾏距离更短,这主要是因为美⻝和购物等⽬的地数量较多且分布均匀,具有可替代性,居⺠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分布与距离关系不⼤,主要是因为这⼏类⽬的地数量有限且较难替代。

 城市公共交通状况

公共交通(含公交和地铁)出⾏⾥程包括乘⻋⾥程及全程两端步⾏⾥程。⼀线、新⼀线及⼆线城市公共交通出⾏⾥程以20-30公⾥占⽐最⾼,三线、四线及五线城市公共交通出⾏⾥程以2-3公⾥占⽐最⾼。在各个范围内的城市公共交通出⾏⾥程分布中,2-3km内四五线城市⽐例最⼤,三线城市其次;10-12km内⼆线城市⽐例最⼤,三线城市其次;20-30km内⼀线城市⽐例最⼤,⼆线城市其次 。

▲各类城市公共交通出⾏⾥程分布

▲各类城市公共交通出⾏⾥程累计分布

公共交通出⾏⽤时包括地⾯公交及地铁出⾏到站步⾏时间+乘⻋时间+换乘时间+离站步⾏时间。 ⼀线、新⼀线城市的公共交通出⾏平均⽤时为50.2分钟,沈阳公共交通出⾏平均⽤时最短,为44.1分钟,东莞的公共交通出⾏平均⽤时最⻓,为63.4分钟,相差19.3分钟。⼆线城市的公共交通出⾏平均⽤时为52.7分钟,厦⻔的公共交通出⾏平均⽤时最短,为42.2分钟;南通的公共交通出⾏平均⽤时最⻓,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

公共交通站点步⾏距离(数值为到站步⾏距离和离站步⾏距离的均值)可以侧⾯反映公共交通站点的可达性,公共交通站点步⾏距离越⼩,站点可达性越⾼。各类城市公共交通站点步⾏距离在各范围内的分布中,⼀线、新⼀线、⼆线城市在800⽶以内范围占⽐更⾼,⽽三线城市和四、五线城市在800⽶以上范围占⽐更⾼。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站点平均步⾏距离,按照⼀线、新⼀线、⼆线、三线及四、五线城市的顺序递增,这也侧⾯反映了较发达城市公交站点的建设密度相对更⼤。

▲ 各类城市公共交通站点步⾏距离分布

▲各类城市公共交通出⾏站点平均步⾏距离(m)

在⼀线、新⼀线城市中,公共交通出⾏站点平均步⾏距离深圳最短,为436⽶,郑州最⻓,为567⽶。在⼆线城市中,公共交通出⾏站点平均步⾏距离厦⻔最短,为465⽶,温州最⻓,为673⽶。

▲⼀线、新⼀线城市公共交通出⾏站点平均步⾏距离(m)

▲⼆线城市公共交通出⾏站点平均步⾏距离(m)

公共交通出⾏平均换乘步⾏距离: 每次有换乘的公共交通出⾏平均需要的换乘步⾏距离,多次换乘则为各次换乘步⾏距离之和。

 公共交通出⾏平均步⾏距离: 使⽤公共交通出⾏,从出发点到⽬的地之间需要步⾏的平均距离(包含到站步⾏距离+换乘距离+离站步⾏距离)。 随着城市等级的下降,公共交通出⾏平均换乘步⾏距离下降,但平均步⾏距离却在增加。原因可能是:⼀线、新⼀线、⼆线城市⼤量的道路中央分隔、道路红线宽度普遍过宽、⼤型枢纽换乘步⾏距离过⻓、换乘次数较多等原因造成换乘总体步⾏距离过⻓,⽽三、四、五线城市虽然换乘步⾏距离较短,但公共交通站点数量偏少,到站和离站步⾏距离偏⻓导致市⺠出⾏整体步⾏距离过⻓。建议⼀线、新⼀线、⼆线城市在优化公共交通出⾏服务时,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、新⼀线城市平均换乘步⾏距离排名

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12022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

城市交通与环境问题

“⼗⾥雾霾两茫茫,雾霾天,⼈抓狂。”雾霾天⽓的发⽣对居⺠出⾏与交通运⾏造成了⼀定的影响,那么雾霾对道路拥堵到底影响⼏何?通过对2018年全国百城⽓象数据与交通路况数据进⾏关联分析,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(空⽓质量指数),⽇降⾬量与通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指数增⻓,降⾬较少,相应的通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及降⾬量相关性

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,使得乘客更倾向于⼩汽⻋出⾏;另⼀⽅⾯,雾霾也会直接对空⽓能⻅度产⽣影响,⼲扰驾驶⾏为,也较易导致交通事故多发,会加重拥堵。根据百度路况与⽓象数据,绘制了雾霾与交通拥堵状况相关性全国百城分布热⼒图:

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、机动⻋保有量⾼的⼤中城市群;

B. ⻓三⻆地区雾霾与拥堵相关性最明显。雾霾越⼤,通勤⾼峰拥堵越严重,实际速度(即拥堵⻋速)越⼩;进⽽造成恶性循环,拥堵越严重,机动⻋污染物排放越多,雾霾越⼤;

C. 京津冀、珠三⻆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(空⽓质量指数)与拥堵指数相关性

▲ PM2.5与拥堵指数相关性

在秋冬季节,由于各种因素,⼤⽓中⽓溶胶浓度⾼,更容易催⽣雾霾。并且此季节的污染物扩散困难,容易累积,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⼤更为显著。京津冀地区、⻓三⻆等⼈⼝密度⼤、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加⼀致。可⻅,掌握秋冬季节雾霾的变化对于预测交通客流出⾏规律、执⾏交通管理调度有重要意义。

以北京2018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: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,最后进⾏趋势相关性分析。

分析结果显示,PM2.5与通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颗粒物质(PM2.5等)时,造成光的散射和光吸收增强,会导致能⻅度降低,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

▲ 拥堵指数和速度与PM2.5和AQI相关性

降⾬导致的可视距离缩短会影响驾驶员的综合判断能⼒,进⽽降低⾏⻋速度,容易造成交通拥堵。此外,降⾬使得路⾯与轮胎摩擦系数降低,⻋辆易发⽣侧滑、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相关性分析,结果显示:

A.绝⼤部分城市的⽇降⾬量与拥堵指数呈现正相关关系,即降⾬量越⼤,拥堵越严重。

B. 沿海地区降⾬对拥堵的影响较内陆地区明显更⼤⼀些。

C. 北⽅地区较南⽅地区的降⾬影响更⼤⼀些。

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,保障道路交通安全。

▲降⾬量与拥堵指数的相关性

城市绿色出行发展状况

随着我国新能源汽⻋发展⿎励政策的逐步实施以及新能源汽⻋保有量的稳步增⻓,充电基础设施建设迎来快速发展,各能源企业、⻋企、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业各⼤⼚商,于2018年初上线充电桩地图,帮助新能源⻋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位列全国第⼀,截⾄2018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,节省燃油7.5亿升。

根据特来电⼤数据云平台数据分析显示:

A. 特来电新能源汽⻋⽤户的充电⾏为集中分布于⽤⻋低峰期(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:夜间⻋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⻋逐渐完成充电所致。

▲ 新能源充电桩功率24⼩时分布

根据特来电⼤数据云平台数据分析显示,新能源⻋每次充电订单:

A. 每单平均充电量为30度,按照⼤多数新能源汽⻋的能耗来计算,平均每次的充电量基本可以满⾜150km—200km的续航⾥程;

B. 每单平均时⻓为1.25⼩时,根据每单平均充电量为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占绝⼤部分;

C. 每单平均费⽤为27.5元。

 根据特来电2017、2018年充电量数据分析显示,随着新能源⻋销量的上升以及充电桩建设的加速,充电量呈现逐季度、逐年上升的趋势。

▲ 特来电充电订单情况

城市智能交通市场发展状况

城市智能交通政府项⽬型市场,包括智能交通管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、智慧停⻋、出租⻋信息服务管理系统等九个细分⾏业。

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变化和市场规模变化趋势;

B. BPI包含⼤项⽬数量指数(Big Project Quantity Index, BPQI)和⼤项⽬规模指数(Big Project Amount Index, BPAI);

C. BPQI 以2017年季度平均⼤项⽬数量为基期,基点为100;BPAI 以2017年季度平均市场规模为基期,基点为100;

D. ⼤项⽬数量指数(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。

▲ ⼤项⽬指数(BPI)投资情况

根据百度指数分析显示,2018年以来与智能交通相关的百度搜索TOP25问题中,⽹⺠关注最多的问题可以归结为违章抓拍、放管服+⻋驾管、智能公交、出⾏信息服务和⾃动驾驶五⼤类 :

A. 违章抓拍类:最关注违章查询,违章处罚等问题;

B. 放管服+⻋驾管类:主要关注驾考、⻋辆年检等涉⻋服务与管理问题;

C. 智能公交类:对于实时公交和公交线路获取需求最⾼;

D. 出⾏信息服务类:关注点集中在地图导航和出⾏信息查询;

E. ⾃动驾驶类:关注最多的是⻋联⽹。

近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⻋等14类智能交通细分领域进⾏了热点统计分析:

A. 2018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. 2018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。

互联⽹+交通细分领域,对⾃动驾驶、公交、出⾏、停⻋、⻋驾管、交通信号6个话题进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、出⾏服务、公交、停⻋、交通信号5个话题进⾏⽹络媒体热点统计,其中⾃动驾驶的媒体关注度最⾼,其次是出⾏服务。

▲各领域关注点

智东西认为,随着城市化进程的持续增加,人口的跨区域流动越来越频繁,人口流动向大城市的流动越来越频繁,大城市常住人口规模的快速膨胀,必然带来交通出行需求的绝对增加,城市交通系统正承受着越来越大的压力。目前,一线城市的上班族均呈现“钱多离家相对远、钱少离家相对近”的特征。而在典型二线及其他城市中“钱多离家近”的趋势更为常见。但在汽车行业电动化、智能化、网联化、共享化“大势所趋”背景下,随着物联网、自动驾驶、人工智能等技术的发展,相信不久的未来城市交通出行问题能得到彻底的改善。


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存