【交通行業(yè)】2019年度城市交通報告

2019年度中國城市交通報告China

UrbanTransportation

ReportIntelligent

Transportation

Joint

Lab

智能交通聯(lián)合實驗室聯(lián)合發(fā)布101

城市交通擁堵狀況02

自動駕駛發(fā)展狀況03

新能源出行發(fā)展狀況04

智能交通市場發(fā)展狀況05

城市交通安全問題06

城市交通氣象問題07

城市交通經(jīng)濟問題目錄3城市交通擁堵狀況42019年度

排名環(huán)比排名

升降城市2019年度通勤高峰

擁堵指數(shù)2019年度通勤高峰

實際速度（km/h）1↑

2重慶2.16523.642↓1北京2.04025.123↑3貴陽1.97925.794↓2哈爾濱1.90523.085↓1長春1.77726.696↑21廣州1.74429.897↓2上海1.73925.568↑30西安1.73028.139↓2呼和浩特1.72528.8310↑6武漢1.71627.082019年度全國百城交通擁堵排名TOP10（城市不分類）?

2019年度，重慶、北京、貴陽三個城市位列全國城市交通擁堵榜單前三位。數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是各城市的主

城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。@2020

Baidu《

2019年度中國城市交通報告》52019年度擁堵加劇城市TOP5及擁堵緩解城市TOP5年度擁堵指數(shù)同比升降20%15%10%5%0%-5%-10%-15%連云港上海肇慶陽泉

宜賓唐山

重慶滄州西安貴陽

2019年度擁堵加劇城市TOP5及擁堵緩解城市TOP5（城市不分類）?

2019年度，擁堵同比2018年度加劇的TOP5城市為唐山、重慶、滄州、西安和貴陽；擁堵同比2018年度緩解的TOP5城市為宜賓、陽泉、肇慶、上海和連云港。數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是各城市的主

城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。@2020

Baidu《

2019年度中國城市交通報告》62019年度

排名排名環(huán)比

升降城市2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比2018年度2019年度通勤高峰

實際速度（km/h）1↑

2重慶2.165↑18.70%23.642↓

1北京2.040↑6.44%25.123↑

3貴陽1.979↑14.31%25.794↓

2哈爾濱1.905↑0.35%23.085↓

1長春1.777↓2.33%26.696↑21廣州1.744↑11.16%29.897↓

2上海1.739↓4.34%25.568↑

30西安1.730↑14.86%28.139↓

2呼和浩特1.725↑2.37%28.8310↑

6武漢1.716↑6.97%27.0811↑

3合肥1.712↑5.43%27.1812↓

1南京1.705↑3.38%27.5113↑

33滄州1.705↑15.20%30.1214↑

44唐山1.702↑18.77%30.4215↑

11佛山1.696↑7.97%29.6516↓

1長沙1.687↑4.49%28.8917↓

8濟南1.684↑1.24%29.0918↓

10沈陽1.677↓0.36%26.1019↓

9昆明1.676↑1.51%28.9920↑

9廈門1.666↑7.46%29.8021↓

9大連1.659↑0.69%26.3222↑

12廊坊1.655↑8.94%31.6823↓

10樂山1.654↑1.78%27.5524↓

7珠海1.650↑3.93%31.9625↑

18秦皇島1.646↑10.68%30.842019年度

排名排名環(huán)比

升降城市2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比2018年度2019年度通勤高峰

實際速度（km/h）26↓

5杭州1.627↑3.11%28.1627↑

4衡陽1.625↑5.84%27.7728↑

4福州1.613↑5.49%30.7929↓

11天津1.612↑1.54%32.0730↑

10成都1.610↑7.14%32.7031↓

12濟寧1.605↑1.28%26.0832↑

18張家口1.600↑9.45%32.4333↑

15深圳1.600↑9.05%32.9634↑21石家莊1.593↑10.38%35.2335↑

2東莞1.588↑5.28%32.9336↑

3鄭州1.580↑5.11%31.8237↑

7韶關1.577↑6.12%29.3438↓

15大理1.576↑0.09%28.8839↑

3青島1.574↑5.72%30.1340↓

7惠州1.569↑2.70%29.5841↑

25保定1.561↑11.95%35.5442↓

14汕頭1.551↓0.25%26.5443↓

13桂林1.550↑0.75%26.3444↑

7蘭州1.548↑6.54%28.8645↓

25綿陽1.534↓2.84%31.0146↓

5?？?.528↑1.81%27.7847↑17臨沂1.527↑9.43%29.6748↓

23南寧1.526↓2.89%30.8550↑

2徐州1.519↑↑4.85%28.84數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早

高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是100個城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。附表1：2019年度全國百城交通擁堵指數(shù)排名（城市不分類）@2020

Baidu《

2019年度中國城市交通報告》734.691.5233.66%49太原↓

22019年度

排名排名環(huán)比

升降城市2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比2018年度2019年度通勤高峰

實際速度（km/h）51↓

27烏魯木齊1.517↓3.60%31.8252↑

5潮州1.505↑4.77%28.7553↑

8中山1.504↑5.75%34.3054↑

5邢臺1.504↑5.63%32.8355↑

25衡水1.502↑13.11%33.6056-南昌1.499↑4.07%30.5457↑

18邯鄲1.494↑10.47%33.8258↓

4柳州1.487↑2.83%27.7759↓

10清遠1.484↑1.22%29.5560↑

5蘇州1.483↑6.29%35.9461↓

26茂名1.474↓2.76%27.5162↓

2洛陽1.472↑3.40%27.6863↓

10湛江1.472↑1.69%31.3064↑

6泉州1.465↑6.55%34.7265↓

20拉薩1.450↓2.02%29.5666↑

22無錫1.443↑11.20%37.2067↓31陽泉1.437↓4.83%29.1868↑

1溫州1.427↑3.73%32.2769↑

16南充1.414↑7.27%32.6670↓

48宜賓1.414↓10.38%32.1271↑

26嘉興1.412↑12.60%34.5272↓

10銀川1.391↓1.87%33.1873↑

16紹興1.391↑7.27%34.3874↑

3贛州1.386↑3.33%32.0575↓

7淄博1.384↑0.55%33.362019年度

排名排名環(huán)比

升降城市2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比2018年度2019年度通勤高峰

實際速度（km/h）76↑

6煙臺1.383↑4.32%36.2177↑

6泰安1.383↑4.60%36.3578↓

4南陽1.382↑2.11%31.0679↑

2寧波1.380↑3.98%34.2080↓

13大同1.379↓0.95%33.3281↓

5江門1.370↑1.46%39.9182↓

11云浮1.370↑0.05%33.4583↓

5咸陽1.363↑1.65%37.4984↓

5濰坊1.361↑2.17%35.6585↑

7淮安1.349↑4.22%30.9486↓

13西寧1.348↓0.40%39.0287↓

24肇慶1.343↓4.52%36.8288↓

1漳州1.340↑2.71%32.3289↑

1臺州1.335↑3.01%35.6090↑

9南通1.323↑7.57%40.3491↓

5揚州1.322↑1.19%35.4092↓

20連云港1.314↓3.64%34.0993↑

2新鄉(xiāng)1.283↑0.22%35.6794↓

1鹽城1.281↓0.73%36.5095↓

4德州1.279↓1.23%38.3896↓

12鎮(zhèn)江1.273↓3.48%34.3497↓

1常州1.248↓2.04%38.8298↑

2湖州1.238↑5.66%45.0899↓

5金華1.238↓3.60%33.12100↓

2三亞1.232↓1.76%43.50數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早

高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是100個城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。附表1：2019年度全國百城交通擁堵指數(shù)排名（續(xù)）

（城市不分類）@2020

Baidu《

2019年度中國城市交通報告》8汽車保有量

>300萬級城市擁堵排名TOP10汽車保有量200萬~300萬級城市擁堵排名TOP10排名城市2019年度通勤高峰

擁堵指數(shù)2019年度通勤高峰實際速度（km/h）1重慶2.16523.642北京2.04025.123上海1.73925.564西安1.73028.135武漢1.71627.086天津1.61232.077成都1.61032.708深圳1.60032.969東莞1.58832.9310鄭州1.58031.82排名城市2019年度通勤高峰

擁堵指數(shù)2019年度通勤高峰實際速度（km/h）1廣州1.74429.892合肥1.71227.183南京1.70527.514唐山1.70230.425佛山1.69629.656長沙1.68728.897濟南1.68429.098沈陽1.67726.109昆明1.67628.9910杭州1.62728.16數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是各城市的主

城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。2019年度全國百城交通擁堵排名（城市分類）@2020

Baidu《

2019年度中國城市交通報告》9汽車保有量100萬~200萬級城市擁堵排名TOP10汽車保有量

<100萬級城市擁堵排名TOP10排名城市2019年度通勤高峰擁堵指數(shù)2019年度通勤高峰實際速度（km/h）1貴陽1.97925.792哈爾濱1.90523.083長春1.77726.694呼和浩特1.72528.835滄州1.70530.126廈門1.66629.807大連1.65926.328廊坊1.65531.689福州1.61330.7910濟寧1.60526.08排名城市2019年度通勤高峰擁堵指數(shù)2019年度通勤高峰實際速度（km/h）1樂山1.65427.552珠海1.65031.963秦皇島1.64630.844衡陽1.62527.775張家口1.60032.436韶關1.57729.347大理1.57628.888汕頭1.55126.549桂林1.55026.3410蘭州1.54828.86數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是各城市的主

城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。2019年度全國百城交通擁堵排名（續(xù)）

（城市分類）@2020

Baidu《

2019年度中國城市交通報告》10汽車保有量200-300萬輛汽車保有量

>300萬輛1廣州1.744↑

11.16%29.892合肥1.712↑

5.43%27.183南京1.705↑

3.38%27.514唐山1.702↑

18.77%30.425佛山1.696↑

7.97%29.656長沙1.687↑

4.49%28.897濟南1.684↑1.24%29.098沈陽1.677↓

0.36%26.109昆明1.676↑

1.51%28.9910杭州1.627↑

3.11%28.1611石家莊1.593↑10.38%35.2312青島1.574↑

5.72%30.1313保定1.561↑

11.95%35.5414臨沂1.527↑

9.43%29.6715無錫1.443↑

11.20%37.2016溫州1.427↑

3.73%32.2717寧波1.380↑

3.98%34.2018濰坊1.361↑

2.17%35.6519金華1.238↓

3.60%33.121重慶2.165↑

18.70%23.642北京2.040↑

6.44%25.123上海1.739↓

4.34%25.564西安1.730↑

14.86%28.135武漢1.716↑

6.97%27.086天津1.612↑1.54%32.077成都1.610↑7.14%32.708深圳1.600↑

9.05%32.969東莞1.588↑

5.28%32.9310鄭州1.580↑

5.11%31.8211蘇州1.483↑

6.29%35.94數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早

高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是100個城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。附表2：2019年度全國百城交通擁堵指數(shù)排名（城市分類）2019年度通勤高峰

實際速度（km/h）2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比

2018年度城市分類城市排名2019年度通勤高峰

實際速度（km/h）2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比

2018年度城市分類城市排名@2020

Baidu《

2019年度中國城市交通報告》11汽車保有量

<100萬輛1

樂山

1.654

↑1.78%27.55汽車保有量100-200

萬輛1貴陽1.979↑14.31%25.792哈爾濱1.905↑0.35%23.083長春1.777↓2.33%26.694呼和浩特1.725↑2.37%28.835滄州1.705↑15.20%30.126廈門1.666↑7.46%29.807大連1.659↑0.69%26.328廊坊1.655↑8.94%31.689福州1.613↑5.49%30.7910濟寧1.605↑1.28%26.0811惠州1.569↑2.70%29.5812南寧1.526↓2.89%30.8513太原1.523↑3.66%34.6914徐州1.519↑4.85%28.8415烏魯木齊1.517↓3.60%31.8216中山1.504↑5.75%34.3017邢臺1.504↑5.63%32.8318南昌1.499↑4.07%30.5419邯鄲1.494↑10.47%33.8220洛陽1.472↑3.40%27.6821泉州1.465↑6.55%34.7222嘉興1.412↑12.60%34.5223紹興1.391↑7.27%34.3824贛州1.386↑3.33%32.0525淄博1.384↑0.55%33.3626煙臺1.383↑4.32%36.2127南陽1.382↑2.11%31.0628臺州1.335↑3.01%35.6029南通1.323↑7.57%40.3430新鄉(xiāng)1.283↑0.22%35.6731鹽城1.281↓0.73%36.5032德州1.279↓1.23%38.3833常州1.248↓2.04%38.822珠海1.650↑3.93%31.963秦皇島1.646↑10.68%30.844衡陽1.625↑5.84%27.775張家口1.600↑9.45%32.436韶關1.577↑6.12%29.347大理1.576↑0.09%28.888汕頭1.551↓0.25%26.549桂林1.550↑0.75%26.3410蘭州1.548↑6.54%28.8611綿陽1.534↓2.84%31.0112海口1.528↑1.81%27.7813潮州1.505↑4.77%28.7514衡水1.502↑13.11%33.6015柳州1.487↑2.83%27.7716清遠1.484↑1.22%29.5517茂名1.474↓2.76%27.5118湛江1.472↑1.69%31.3019拉薩1.450↓2.02%29.5620陽泉1.437↓4.83%29.1821南充1.414↑7.27%32.6622宜賓1.414↓10.38%32.1223銀川1.391↓1.87%33.1824泰安1.383↑4.60%36.3525大同1.379↓0.95%33.3226江門1.370↑1.46%39.9127云浮1.370↑0.05%33.4528咸陽1.363↑1.65%37.4929淮安1.349↑4.22%30.9430西寧1.348↓0.40%39.0231肇慶1.343↓4.52%36.8232漳州1.340↑2.71%32.3233揚州1.322↑1.19%35.4034連云港1.314↓3.64%34.0935鎮(zhèn)江1.273↓3.48%34.3436湖州1.238↑5.66%45.0837三亞1.232↓1.76%43.50數(shù)據(jù)說明：本報告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵狀況的指標，即工作日早晚高峰時段，實際行程時間與暢通行程時間的比值。其中，早

高峰為07:00~09:00，晚高峰為17:00~19:00，烏魯木齊和拉薩的早晚高峰時間因時區(qū)原因有所調整。本報告中各分析指標所反映的評價范圍是100個城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。附表2：2019年度全國百城交通擁堵指數(shù)排名（續(xù)）

（城市分類）2019年度通勤高峰

實際速度（km/h）2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比

2018年度城市分類城市排名2019年度通勤高峰

實際速度（km/h）2019年度通勤高峰

擁堵指數(shù)擁堵指數(shù)同比

2018年度城市分類城市排名@2020

Baidu《

2019年度中國城市交通報告》12嚴重擁堵路段里程占比評估路網(wǎng)中嚴重擁堵狀態(tài)的空間蔓延程度區(qū)域間擁堵不均衡系數(shù)1評估全路網(wǎng)以平峰為參照的高峰擁堵嚴重程度N常發(fā)性嚴重擁堵路段里程占比評估路網(wǎng)中通勤高峰期間嚴重擁堵路段的擁堵成因差異嚴重擁堵持續(xù)時間評估路網(wǎng)中嚴重擁堵狀態(tài)的時間持續(xù)程度?

嚴重擁堵路段里程占比：

工作日通勤高峰期

間，城市路網(wǎng)中發(fā)生嚴重擁堵的路段里程與

路網(wǎng)總里程的比例；?

區(qū)域間擁堵不均衡系數(shù)：

工作日通勤高峰期

間，城市路網(wǎng)中不同網(wǎng)格區(qū)域擁堵指數(shù)的離

散程度；?

常發(fā)性嚴重擁堵路段里程占比：

工作日通勤

高峰期間，城市路網(wǎng)中常發(fā)性嚴重擁堵路段

占全部嚴重擁堵路段的比例；?

嚴重擁堵持續(xù)時間：

工作日通勤高峰期間，

全路網(wǎng)處于嚴重擁堵狀態(tài)的平均累計時間；?

高峰車速波動系數(shù)：

工作日通勤高峰全路網(wǎng)

平均車速的離散程度；?

高峰擁堵指數(shù)：

工作日通勤高峰期間，實際

行程時間與暢通行程時間的比值。城市交通擁堵綜合評價體系——城市交通擁堵六維特征畫像模型開發(fā)：由清華大學數(shù)據(jù)科學研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開發(fā)；如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。評估不同日期高峰期間全路網(wǎng)平均運行速度波動程度高峰車速波動系數(shù)@2020

Baidu《

2019年度中國城市交通報告》13評估路網(wǎng)中不同區(qū)域交通擁堵的差異程度高峰擁堵指數(shù)同類城市排名

2019年

2018年高峰擁堵指數(shù)高峰車速波動系數(shù)北京嚴重擁堵路段里程占比

13高峰擁堵指數(shù)

5

區(qū)域間擁堵不均衡系數(shù)79常發(fā)性嚴重擁堵路段里高峰車速波動系數(shù)程占比嚴重擁堵持續(xù)時間嚴重擁堵路段里程占比區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比1357911嚴重擁堵持續(xù)時間1215212

2019年排名

2018年排名3

3

3122019年度典型城市交通擁堵六維特征畫像分析—重慶（汽車保有量>300萬城市擁堵TOP1）?

2019年度，重慶交通擁堵六個特征指標在汽車保有量超300萬輛的城市排名中，除區(qū)域間擁堵不均衡系數(shù)排名同比微跌1名之外，其他5個指標排名同比較2018年均出現(xiàn)上升，相較同類其他城市，重慶交通擁堵情況較2018年整體有所加劇。模型開發(fā)：由清華大學數(shù)據(jù)科學研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比嚴重擁堵路段里程占比嚴重擁堵持續(xù)時間高峰車速波動系數(shù)@2020

Baidu《

2019年度中國城市交通報告》14高峰擁堵指數(shù)

2019年

2018年高峰擁堵指數(shù)高峰車速波動系數(shù)北京嚴重擁堵路段里程占比

13高峰擁堵指數(shù)

5

區(qū)域間擁堵不均衡系數(shù)79常發(fā)性嚴重擁堵路段里高峰車速波動系數(shù)程占比嚴重擁堵持續(xù)時間嚴重擁堵路段里程占比區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占重擁堵持續(xù)時間1110943

321

12019年度典型城市交通擁堵六維特征畫像分析—廣州

（汽車保有量200萬~300萬城市擁堵TOP1）?

2019年度，廣州交通擁堵六個特征指標在汽車保有量超200萬輛的城市排名中，高峰擁堵指數(shù)、嚴重擁堵路段里程占比、嚴重擁堵持續(xù)時間、高峰車速波動系數(shù)的排名同比2018年均有上升，相較同類其他城市，廣州2019年的交通擁堵程度同比較2018年有所加劇。模型開發(fā)：由清華大學數(shù)據(jù)科學研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比嚴重擁堵路段里程占比嚴重擁堵持續(xù)時間高峰車速波動系數(shù)

2019年排名

2018年排名@2020

Baidu《

2019年度中國城市交通報告》15高峰擁堵指數(shù)1021

2019年

2018年高峰擁堵指數(shù)高峰車速波動系數(shù)北京嚴重擁堵路段里程占比

13高峰擁堵指數(shù)

5

區(qū)域間擁堵不均衡系數(shù)79常發(fā)性嚴重擁堵路段里高峰車速波動系數(shù)程占比嚴重擁堵持續(xù)時間嚴重擁堵路段里程占比區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比159131721252933嚴重擁堵持續(xù)時間13971216

2019年排名

2018年排名2

2131

12019年度典型城市交通擁堵六維特征畫像分析—貴陽（汽車保有量100萬~200萬城市擁堵TOP1）?

2019年度，貴陽交通擁堵六個特征指標在汽車保有量超100萬輛的城市排名中，除嚴重擁堵路段里程占比排名微降外，其他指標排名均有所上升或保持不變，相較同類其他城市，擁堵情況同比較2018年部分有所加重。模型開發(fā)：由清華大學數(shù)據(jù)科學研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比嚴重擁堵路段里程占比嚴重擁堵持續(xù)時間高峰車速波動系數(shù)@2020

Baidu《

2019年度中國城市交通報告》16高峰擁堵指數(shù)

2019年

2018年高峰擁堵指數(shù)高峰車速波動系數(shù)北京嚴重擁堵路段里程占比

13高峰擁堵指數(shù)

5

區(qū)域間擁堵不均衡系數(shù)79常發(fā)性嚴重擁堵路段里高峰車速波動系數(shù)程占比嚴重擁堵持續(xù)時間嚴重擁堵路段里程占比區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比171319253137嚴重擁堵持續(xù)時間

2019年排名

2018年排名221

121651311482019年度典型城市交通擁堵六維特征畫像分析—樂山

（汽車保有量<100萬城市擁堵TOP1）?

2019年度，樂山交通擁堵六個特征指標在汽車保有量小于100萬輛的城市排名中，除區(qū)域間擁堵不均衡系數(shù)排名外，其他5個指標排名同比較2018年均出現(xiàn)降低或持平，相較同類其他城市，樂山交通擁堵情況較2018年部分有所緩解。模型開發(fā)：由清華大學數(shù)據(jù)科學研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實時交通擁堵狀況，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。區(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴重擁堵路路段里程占比嚴重擁堵路段里程占比嚴重擁堵持續(xù)時間高峰車速波動系數(shù)@2020

Baidu《

2019年度中國城市交通報告》17高峰擁堵指數(shù)自動駕駛發(fā)展狀況18國內已發(fā)布自動駕駛測試政策的22個城市（含直轄市）分布圖國內已發(fā)布自動駕駛測試政策的5個省份（不含直轄市）已發(fā)布自動駕駛測試政策的城市及省份?

截至2019年底，國內已經(jīng)發(fā)布自動駕駛測試政策的城市累計達到了22個，包括：北京，上海，天津，重慶，廣州，長沙，肇慶，杭州，深圳，柳州，湖州，蘇州，武漢，襄陽，濟南，滄州，保定，西安，長春，平潭，合肥，德清。此外，江蘇，廣東，湖南，河南，海南（征求意見）5省也發(fā)布了省級自動駕駛測試政策。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》19國家級自動駕駛/智能網(wǎng)聯(lián)汽車測試及示范區(qū)?

截止2019年底，我國多個城市已經(jīng)相繼擁有了國家級自動駕駛/智能網(wǎng)聯(lián)汽車測試及示范區(qū)。在北方，主要有落戶于吉林長春的國家智能網(wǎng)聯(lián)汽車應用（北方）示范區(qū)，以及落戶于京冀兩省市的國家智能汽車與智慧交通（京冀）示范區(qū)。在南方，長三角、珠三角、成渝地區(qū)以及中部的武漢和長沙也均已擁有了國家級測試及示范區(qū)。?

目前國內各城市在自動駕駛賽道正逐漸形成各具優(yōu)勢的產業(yè)聚合區(qū)，智能駕駛區(qū)域化特色呈現(xiàn)出北京“做技術搭基礎”，上?！翱吭燔嚒?，廣深“重應用”，長沙“建生態(tài)”等幾大

地域特色。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。國家智能汽車與智慧交通（京冀）示范區(qū)國家智能網(wǎng)聯(lián)汽車(武漢)測試示范區(qū)無錫國家智能交通綜合測試基地國家智能網(wǎng)聯(lián)（上海）試點示范區(qū)國家智能網(wǎng)聯(lián)汽車（長沙）測試區(qū)浙江LTE-V車聯(lián)網(wǎng)應用示范區(qū)廣州5G自動駕駛應用示范區(qū)重慶智能汽車與智慧交通應用示范區(qū)國家智能網(wǎng)聯(lián)汽車應用（北方）示范區(qū)中德合作成都智能網(wǎng)聯(lián)汽車示范基地@2020

Baidu《

2019年度中國城市交通報告》20*統(tǒng)計說明：根據(jù)中國汽車工業(yè)信息網(wǎng)，智能車聯(lián)產業(yè)創(chuàng)新中心官網(wǎng)、蓋世汽車等公開資料整理。自動駕駛路測牌照數(shù)量發(fā)放情況?

根據(jù)公開資料統(tǒng)計*，截止2019年11月，全國多個城市已經(jīng)相繼發(fā)放了自動駕駛路測牌照，目前已有廣州、長沙、上海、武漢、滄州、北京6城市開放載人測試。

?

6個已開放自動駕駛載人測試的城市，自動駕駛路測牌照數(shù)量分別為北京77張、長沙53張、上海51張、滄州30張、廣州24張、武漢23張。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》21*統(tǒng)計說明：（1）根據(jù)中國汽車工業(yè)信息網(wǎng)，智能車聯(lián)產業(yè)創(chuàng)新中心官網(wǎng)、蓋世汽車等公開資料整理；（2）測試里程數(shù)均為城市道路里程數(shù)，不含高速及封閉測試道路數(shù)。自動駕駛測試城市道路里程情況?

根據(jù)公開資料統(tǒng)計*，截止2019年11月，全國多個城市已經(jīng)陸續(xù)開放了自動駕駛測試道路，北京、長沙、深圳的自動駕駛測試城市道路里程分別達到503.68公里、135公里和124公里，位列全國前三位。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》22物流等其他公司

1.35%

互聯(lián)網(wǎng)科技企業(yè)56.42%*統(tǒng)計說明：根據(jù)中國汽車工業(yè)信息網(wǎng)，智能車聯(lián)產業(yè)創(chuàng)新中心官網(wǎng)、蓋世汽車等公開資料整理。自動駕駛創(chuàng)業(yè)公司22.64%車企19.59%各類型企業(yè)獲得自動駕駛路測牌照數(shù)量分布情況?

根據(jù)公開資料統(tǒng)計*，截止2019年11月，全國各類型企業(yè)已獲得路測牌照數(shù)量占比分別為：互聯(lián)網(wǎng)科技企業(yè)（56.42%）、車企（19.59%）、自動駕駛創(chuàng)業(yè)公司（22.64%）、

物流等其他公司（1.35%）。?

獲得自動駕駛路測牌照的企業(yè)類型涵蓋全面，既包含傳統(tǒng)整車企業(yè)，同時也包括新勢力造車及互聯(lián)網(wǎng)科技公司、自動駕駛創(chuàng)業(yè)公司以及物流企業(yè)。?

車企方面總體以乘用車企業(yè)為主，同時也有部分商用車企業(yè)獲取牌照。我國主要城市自動駕駛路測牌照發(fā)布趨向全球化，跨國車企獲牌數(shù)占車企獲牌總數(shù)的24%。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》23150+牌照數(shù)首個國家級自動駕駛開放平臺23城市1237專利數(shù)300萬+總路測公里數(shù)首個前裝量產Robotaxi36000+開發(fā)者首個面向普通市民試運營56萬行代碼177合作伙伴1

萬公里10

萬公里300

萬公里100

萬公里50

萬公里城市道路測試里程厘米級高精定位多傳感器融合定位，平均定位精度

3~5cm全方位感知多傳感器融合感知深度預測國內最大的場景預測標注數(shù)據(jù)集，預測范圍和精度高于人類百毫秒規(guī)劃控制決策響應速度僅為人類司機的1/3（100ms

vs

300ms）高精度地圖真實世界3D重建，厘米級精度高精

度地圖百度Apollo自動駕駛2019里程碑?

百度自動駕駛平臺，能力業(yè)界領先，領跑新型交通裝備研發(fā)。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》24聰明的車、智能的路，實現(xiàn)自動駕駛的最優(yōu)解?

隨著車端智能化發(fā)展，路側的智能化范圍也將由示范區(qū)擴展到全區(qū)域，最后實現(xiàn)全城市覆蓋。即使在目前路側單向調控的階段，通過交通信息服務、智能信號燈控制、智能停車等仍然可以實現(xiàn)交通效率的提升。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》25III?

在保定的百度智能交通先行實踐區(qū)域，針對4條干線道路的51個路口進行智能信控系統(tǒng)化部署改造之后，效果明顯，交通延誤（紅燈等待）時長平均下降了20%-30%。?在長沙的百度智能交通先行實踐區(qū)域，車路協(xié)同與自動駕駛、智能車聯(lián)等多

場景有機結合。目前智能網(wǎng)聯(lián)紅綠燈與導航地圖已經(jīng)實現(xiàn)互聯(lián)互通，Robotaxi的種子用戶，以及普通車輛的司機與乘客都可通過百度地圖手機客

戶端APP實時查看紅綠燈倒計時等信息。百度Apollo車路協(xié)同開放平臺?

百度Apollo發(fā)布車路協(xié)同開放平臺架構，通過車路協(xié)同將智能網(wǎng)聯(lián)的三步串聯(lián)起來，并逐步釋放自動駕駛技術帶來的市場化和商業(yè)化價值。

掃描二維碼，了解更多百度Apollo資訊動態(tài)。@2020

Baidu《

2019年度中國城市交通報告》26新能源出行發(fā)展狀況27排名城市公共充電站密度（個/平方公里）1廣州2.862上海2.133深圳2.054天津1.665北京1.646杭州1.557?？?.548廈門1.299長沙1.2810合肥1.202019年度全國城市公共充電站密度排行TOP10?

隨著我國新能源汽車保有量穩(wěn)步增長，公共充電站的建設也隨之逐漸加速。特別是2019年以來，政府對新能源汽車產業(yè)的補貼，逐步從直接對汽車補貼轉向對充電基礎設施補

貼，全國各地公共充電樁建設迎來又一波大發(fā)展。?

截至2019年底，全國城市公共充電站密度排行TOP10城市中，廣州、上海、深圳位列前三，其主城區(qū)公共充電站密度分別達到每平方公里2.86個、2.13個以及2.05個。數(shù)據(jù)來源：百度地圖-充電樁地圖

；本報告中各分析指標所反映的評價范圍是各城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。產品訪問：如何找到充電樁地圖？打開百度地圖APP

:

首頁右側

-

圖層

/

首頁右上角頭像

-

常用功能

/

掃描二維碼體驗。@2020

Baidu《

2019年度中國城市交通報告》282.86均值：2.17個/平方公里2.132.051.641.661.551.281.11均值：

0.87個/平方公里0.85

0.85

0.820.690.48

0.460.15廣州上海深圳北京天津杭州長沙成都武漢西安鄭州東莞南京重慶蘇州昆明寧波青島沈陽一線城市新一線城市2019年度一線及新一線城市公共充電站密度比較?

經(jīng)濟發(fā)達的4座一線城市，公共充電站建設規(guī)模較大，其主城區(qū)公共充電樁密度平均值達到了2.17個/平方公里。?

相比于一線城市，新一線城市的公共充電站建設規(guī)模相對較小，只有天津、杭州、長沙、成都和武漢5座城市的主城區(qū)公共充電站密度超過了1個/平方公里，15個新一線城市主城區(qū)公共充電樁密度平均值為0.87個/平方公里，僅為一線城市均值的2/5。數(shù)據(jù)來源：百度地圖-充電樁地圖

；本報告中各分析指標所反映的評價范圍是各城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開數(shù)據(jù)、百度地圖地理數(shù)據(jù)、人口熱力數(shù)據(jù)等綜合分析確定。產品訪問：如何找到充電樁地圖？打開百度地圖APP

:

首頁右側

-

圖層

/

首頁右上角頭像

-

常用功能

/

掃描二維碼體驗。@2020

Baidu《

2019年度中國城市交通報告》290.740.931.030.41深圳

北京

廣州

上海

杭州

成都

鄭州

東莞

武漢

西安百度搜索中充電樁搜索指數(shù)TOP10城市2019年度百度搜索中充電樁搜索指數(shù)TOP10城市?

在新能源出行領域，廣大互聯(lián)網(wǎng)用戶在百度搜索中對“充電樁”一詞的搜索，能在很大程度上反映充電樁問題的關注度。?

2019年，在百度搜索中，“充電樁”一詞的搜索指數(shù)TOP10城市分別為深圳、北京、廣州、上海、杭州、成都、鄭州、東莞、武漢和西安。數(shù)據(jù)說明：分析基于百度指數(shù)搜索大數(shù)據(jù)；算法說明：根據(jù)百度用戶搜索數(shù)據(jù)，采用數(shù)據(jù)挖掘方法，對關鍵詞的人群屬性進行聚類分析，給出用戶所屬的城市分布及排名；時間范圍：2019年全年；產品訪問：如何找到充電樁地圖？打開百度地圖APP

:

首頁右側

-

圖層

/

首頁右上角頭像

-

常用功能

/

掃描二維碼體驗。@2020

Baidu《

2019年度中國城市交通報告》302019充電樁地圖使用量2018充電樁地圖使用量1?1?2?2?3?6?4?7?5?9?6?10?7?12?8?13?

9?14?10?16?11?17?2019年度充電樁使用需求變化情況?

得益于新能源車推廣政策的大力支持、充電樁建設的大規(guī)模投入以及新能源車保有量的持續(xù)增長，居民對充電樁的使用需求也日益增長。?

根據(jù)百度地圖“充電樁地圖”使用數(shù)據(jù)分析，2019年充電樁的使用需求增長強勁，遠高于2018年。數(shù)據(jù)說明：充電樁使用需求變化情況為百度地圖“充電樁地圖”使用數(shù)據(jù)；時間范圍：2018和2019年全年；產品訪問：如何找到充電樁地圖？打開百度地圖APP

:

首頁右側

-

圖層

/

首頁右上角頭像

-

常用功能

/

掃描二維碼體驗。

@2020

Baidu

《

2019年度中國城市交通報告》

31智能交通市場發(fā)展狀況322019年度城市智能交通政府項目型市場投資情況——大項目指數(shù)（BPI）?

城市智能交通政府項目型市場，包括智能交通管理和智能交通運輸兩大領域，具體包括交通指揮類平臺、交通信號控制、電子警察、卡口、交通視頻監(jiān)控、交通信息采集與發(fā)布、智慧公交、智慧停車、出租車信息服務管理系統(tǒng)等九個細分行業(yè)。?智能交通領域權威媒體賽文交通網(wǎng)重磅發(fā)布“城市智能交通政府項目型市場大項目指數(shù)（Big

Project

Index，BPI）”:

A.涵蓋千萬級規(guī)模項目的數(shù)量變化和市場規(guī)模變化趨勢；B.BPI包含大項目數(shù)量指數(shù)（Big

Project

Quantity

Index,

BPQI）和大項目規(guī)模指數(shù)（Big

ProjectAmount

Index,

BPAI）；C.當年BPQI

以上一年季度平均大項目數(shù)量為基期，基點為100；當年BPAI

以上一年季度平均大項目市場規(guī)模為基期，基點為100；D.大項目數(shù)量指數(shù)（BPQI）代表市場機會發(fā)展水平；大項目規(guī)模指數(shù)（BPAI）代表市場需求發(fā)展水平。?

2019年城市智能交通市場投資機會同比稍有下降，整體降幅為2%；而市場投資規(guī)模同比略有提升，整體增幅為3%。28021014070013395762018

2019.Q1

2019.Q2

2019.Q3

2019.Q4

大項目數(shù)量指數(shù)（BPQI）市場投資機會（包）1401057035014011910085702018

2019.Q1

2019.Q2

2019.Q3

2019.Q4。大項目規(guī)模指數(shù)（

BPAI）市場投資規(guī)模（億元）數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說明：分析基于賽文交通網(wǎng)智能交通市場專業(yè)數(shù)據(jù)；計算方法：BPQI

=（目標季度千萬級項目數(shù)量/上一年平均季度千萬級項目數(shù)量）*100；

BPAI

=（目標季度千萬級項目市場規(guī)模/上一年平均季度千萬級項目市場規(guī)模）*100；@2020

Baidu《

2019年度中國城市交通報告》33100892019年度智能交通領域十大關鍵詞?

根據(jù)2019年智能交通領域的熱點，選取交通強國、MaaS、智慧停車、自動駕駛/智能網(wǎng)聯(lián)汽車、交通運輸大數(shù)據(jù)、撤站等十大具有代表性的行業(yè)關鍵詞進行分析。?

根據(jù)百度指數(shù)搜索大數(shù)據(jù)分析結果顯示，網(wǎng)民最為關注的是自動駕駛/智能網(wǎng)聯(lián)汽車，在ADAS技術的基礎上，各大車廠紛紛推出加強版智能網(wǎng)聯(lián)車型，吸引購買者。智慧停車

和交通強國也獲得網(wǎng)民較高的關注度。?

根據(jù)百度聲納網(wǎng)頁大數(shù)據(jù)分析結果顯示，媒體關注度最高的也是自動駕駛/智能網(wǎng)聯(lián)汽車，這與近兩年國家對自動駕駛/智能網(wǎng)聯(lián)汽車的政策推動以及相關產業(yè)的快速發(fā)展有很大關聯(lián)。此外，智慧停車和交通強國也是2019年媒體較為關注的領域。智能交通領域十大關鍵詞網(wǎng)民關注度自動駕駛/智能網(wǎng)聯(lián)汽車

智慧停車

交通強國

撤站

MaaS交通運輸大數(shù)據(jù)旅游交通

數(shù)字交通

交通云

交通治理智能交通領域十大關鍵詞媒體關注度自動駕駛/智能網(wǎng)聯(lián)汽車

智慧停車

交通強國

旅游交通

撤站交通治理

Maas數(shù)字交通交通運輸大數(shù)據(jù)

交通云數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說明：分析基于百度指數(shù)搜索大數(shù)據(jù)和百度聲納網(wǎng)頁大數(shù)據(jù)；時間范圍：2019年。@2020

Baidu《

2019年度中國城市交通報告》342019年度智能交通領域最受關注的民生內容?

根據(jù)百度指數(shù)和百度聲納大數(shù)據(jù)分析顯示，2019年與智能交通相關的十大民生問題中，網(wǎng)民和媒體關注的TOP6都包含網(wǎng)約車、車駕管服務、違章抓拍、自動駕駛、交通支付和交通信號控制。?

在最受網(wǎng)民關注的智能交通TOP10民生內容中，車駕管服務位列第一，其次是網(wǎng)約車和違章抓拍，這些都是與公眾駕車出行息息相關的內容。?

在最受媒體關注的智能交通TOP10民生內容中，網(wǎng)約車位列第一，這與2019年國家對網(wǎng)約車行業(yè)的安全整頓以及激烈的行業(yè)市場競爭有很大關系。媒體關注度第二和第三位的

分別是違章抓拍和自動駕駛。車駕管服務

網(wǎng)約車違章抓拍

自動駕駛交通信號控制

交通支付

智能停車

智能公交出行信息服務

ETC+交通智能交通領域網(wǎng)民關注度TOP10民生內容網(wǎng)約車

違章抓拍

自動駕駛交通支付

交通信號控制

車駕管服務

ETC+交通

智能公交智能停車

出行信息服務智能交通領域媒體關注度TOP10民生內容數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說明：分析基于百度指數(shù)搜索大數(shù)據(jù)和百度聲納網(wǎng)頁大數(shù)據(jù)；時間范圍：2019年。@2020

Baidu《

2019年度中國城市交通報告》35互聯(lián)網(wǎng)+交通

人工智能+交通

物聯(lián)網(wǎng)+交通

MaaS大數(shù)據(jù)+交通

區(qū)塊鏈+交通

云計算+交通

5G+交通智能交通領域最受網(wǎng)民關注的智能交通技術5G+交通人工智能+交通

互聯(lián)網(wǎng)+交通

大數(shù)據(jù)+交通

物聯(lián)網(wǎng)+交通

區(qū)塊鏈+交通

云計算+交通

MaaS智能交通領域最受媒體關注的智能交通技術2019年度智能交通領域最受關注的智能交通技術?

伴隨著5G、人工智能、云計算、區(qū)塊鏈等新興技術的不斷應用，智能交通得到了極大的創(chuàng)新發(fā)展?；诎俣戎笖?shù)和百度聲納大數(shù)據(jù)，對互聯(lián)網(wǎng)+交通、人工智能+交通、物聯(lián)

網(wǎng)+交通、5G+交通、云計算+交通、MAAS、大數(shù)據(jù)+交通、區(qū)塊鏈+交通這8類最受關注的智能交通技術進行統(tǒng)計分析，結果顯示：1.8類最受關注的智能交通技術中，網(wǎng)民最為關注的是互聯(lián)網(wǎng)+交通，其中包含互聯(lián)網(wǎng)+出行/公交/停車/車駕管/信號控制等，還包含了自動駕駛/智能網(wǎng)聯(lián)汽車。2.

媒體對新興技術的嗅覺更為靈敏，隨著5G的大力普及，媒體最關注5G與交通的結合，包含5G+自動駕駛、5G+車路協(xié)同、5G+車聯(lián)網(wǎng)等。數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說明：分析基于百度指數(shù)搜索大數(shù)據(jù)和百度聲納網(wǎng)頁大數(shù)據(jù)；時間范圍：2019年。@2020

Baidu《

2019年度中國城市交通報告》36城市交通安全問題37事故發(fā)生后，路段速度平均下降10%，交通擁堵指數(shù)平均上升8%。

不同日

期類型下事故的影響稍有差異，節(jié)假日的影響相對較大，事故后擁堵更嚴重，

速度減小更多。早高峰時事故的影響最大，事故之后擁堵指數(shù)平均上升9.9%，平均速度降

低了15%。其次是晚高峰，最后為其他時間。交通事故對道路擁堵狀況有多大影響？?

早晚高峰出行，廣大車主最怕的不是普通擁堵，而是“不期而遇”的交通事故。交通事故對道路擁堵狀況到底影響幾何？東南大學交通學院聯(lián)合百度地圖，基于國內某城市的百度交通大數(shù)據(jù)，進行了深入分析：數(shù)據(jù)說明：選取事故前后15min內的交通擁堵參數(shù)分析，比較不同情形下事故對擁堵影響。

數(shù)據(jù)來源：百度地圖交通大數(shù)據(jù)合作研究：東南大學交通學院、百度地圖。

@2020

Baidu

《

2019年度中國城市交通報告》

38算法說明：事故對擁堵的影響系數(shù)o=(事故后交通擁堵參數(shù)/事故前交通擁堵參數(shù))/(事故后平日交通擁堵參數(shù)/事故前平日交通擁堵參數(shù))。

o>1表示事故后的交通擁堵參數(shù)變大。發(fā)生在主干路上的事故造成的影響最大，擁堵指數(shù)增加或速度減少都超過

10%，

其次是次干、支干，最后是環(huán)路。高速公路上事故發(fā)生后速度下降最

多，但交通擁堵指數(shù)增加不大，其原因在于高速的基準速度較大。當降水量小于10mm（小雨）時，事故發(fā)生后速度明顯下降，擁堵指數(shù)明顯

增加；當降水量大于10mm（中雨、大雨）時，事故對擁堵的影響無明顯規(guī)律。其可能原因在于降雨成為影響車速的首要原因。數(shù)據(jù)說明：選取事故前后15min內的交通擁堵參數(shù)分析，比較不同情形下事故對擁堵影響。

數(shù)據(jù)來源：百度地圖交通大數(shù)據(jù)合作研究：東南大學交通學院、百度地圖。

@2020

Baidu

《

2019年度中國城市交通報告》

39交通事故對道路擁堵狀況有多大影響？（續(xù)）算法說明：事故對擁堵的影響系數(shù)o=(事故后交通擁堵參數(shù)/事故前交通擁堵參數(shù))/(事故后平日交通擁堵參數(shù)/事故前平日交通擁堵參數(shù))。

o>1表示事故后的交通擁堵參數(shù)變大。交通擁堵狀態(tài)下容易引發(fā)交通事故嗎？?

既然交通事故極易引發(fā)交通擁堵，那交通擁堵是否反過來也對交通事故有影響？對交通事故與事故發(fā)生前的道路擁堵數(shù)據(jù)進行深入分析，結果顯示：1.事故前擁堵指數(shù)明顯大于平日，平均速度也明顯小于平日，說明擁堵對事故的影響較大。擁堵情況下，由于車輛的自由行動空間縮窄，若加之車輛頻繁變道、穿插以及

加減速等原因，則更易引發(fā)交通事故。2.

早晚高峰略有差別，但因早高峰一般較晚高峰擁堵程度高，暫時難以判斷早晚高峰擁堵對事故影響的相對大小。3.

工作日和節(jié)假日擁堵對事故的影響差別很小。算法說明：擁堵對事故的影響以事故前15min內交通擁堵指數(shù)與平日交通擁堵指數(shù)的比值來反映。數(shù)據(jù)來源：百度地圖交通大數(shù)據(jù)合作研究：東南大學交通學院、百度地圖。@2020

Baidu《

2019年度中國城市交通報告》40城市交通氣象問題41a.行列式=

.133解釋的總方差提取方法:

主成份分析。提取方法:主成份。a.

己提取了

1個成份。低視覺能見度在交通事故的天氣誘因中充當最主要角色?

為了解各天氣因素對交通事故的影響程度，分別對視覺能見度、路面溫度、氣溫、天氣現(xiàn)象進行了主成分分析，旨在通過對原始數(shù)據(jù)標準化處理，來消除原始指標的相關性對綜合評價所造成的信息重復的影響。通過對相關矩陣的觀察，發(fā)現(xiàn)各項指標之間P值均小于0.05，具有強相關性，故適合采用主成分分析。但是通過查看主成分特征根和貢獻

率，發(fā)現(xiàn)僅提取了視覺能見度一個特征根(

λ1=2.605，方差貢獻率65.130%），

說明視覺能見度在交通事故的4個天氣誘因中扮演了最主要角色。視覺能見度路溫氣溫天氣現(xiàn)象相關視覺能見度1

.000.372-.401路溫1

.000.858-.594氣溫.372.8581.000-.581天氣現(xiàn)象-.401-.594-.5811.000sig.(單側)視覺能見度路溫氣溫天氣現(xiàn)象視覺能見度：是指人眼目視辨別目標物輪廓的程度。KuWeather在傳統(tǒng)機器測量的能見度基礎上，加入了包括雨雪、氣溶膠、低光照等因素造成的對能見度的衰減機制，在原有能見度基礎上，更還原交通出行者的實際感受。數(shù)據(jù)來源：國內某城市百度地圖交通大數(shù)據(jù)、KuWeather交通氣象大數(shù)據(jù)合作研究：KuWeather、百度地圖。成份初始特征值提取平方和載入合計方差的%累積%合計方差的%累積%12342.605.78765.1

3019.667

1

1

.740

3.46365.13084.797