原本只需要30分鐘的上班路，卻因為意外發生的交通事故、預料之外的道路維修、臨時碰上的交通管制等等原因，使得最終到達的時間遠遠超出預期。
這些外界因素帶來出行中的「不可靠」，成為了影響人們出行體驗最重要的因素之一。為了應對這些不可靠因素，人們應該提前多長時間出發？這個看似無解的問題，卻通過滴滴出行大數據給出了解答。日前，滴滴出行聯合浙江大學交通工程研究所發布「中國主要城市交通可靠性分析報告」，利用滴滴出行大數據，制定了一系列測算交通可靠性的量化指標，並對全國40座一、二、三線城市的交通可靠性進行分析排名。
有了這個指數，出門需要提前預留多長時間，大概可以一目了然。
五大指標 量化城市交通可靠性
對於交通系統而言，何為「可靠性」？根據業內學者的定義，交通可靠性是指在給定的一段時間內，交通運輸服務在一定的路段、區域中保持一致性的程度。
浙江大學交通工程研究所研究員陳喜群博士表示，城市道路系統經常受到隨機因素的影響（交通事故、臨時交通管制、突發自然災害等），給居民出行帶來極大的不確定性。同時隨機因素降低了交通運行的可靠性，對城市交通功能的發揮和城市發展產生了不利的影響。簡單地說，交通可靠性可以反映出路網的擁堵波動情況，居民出行隨時間和空間的規律，隨機因素對周圍路網和整個城市路網的影響，特殊地點（如火車站，機場等）附近的路網交通情況等。
在此之前，交通可靠性主要由出行者的經驗來判斷，比如從自己家到公司，一般需要多長時間，出行者一般都有個基本判斷。但這一時間是否準確，受到交通可靠性程度的影響，如果出門碰上交通事故，或者遭遇下雪天氣，那原本預計的出行時間就可能大大延長；如果路上意外情況很少，這一時間也可能大大縮短。
如何對交通可靠性進行量化？對此，陳喜群博士的研究團隊結合滴滴大數據，將指定城市劃分為了1公裡乘以1公裡的正方形網格區域，每次出行都是從出行者所在的區域出發，抵達目的地所在的區域後結束。舉例而言，早上7點半，一名乘客從家所在的A區域出發，前往公司所在的D區域結束。通過記錄這一行程，可以計算出乘客從A到D區域所行駛的距離，以及所花費的時間。而藉助滴滴大數據，可以計算出在一定的時間內，所有從A到D區域的乘客相關數據，再擴展為整個道路網絡上的多個區域，從而計算出道路網絡交通可靠性。
在此基礎上總結出五大量化指標：網絡自由流行程時間率（NFTTR）、網絡平均行程時間率（NTTR）和網絡規划行程時間率（NPTTR），分別代表著道路完全暢通時每公裡行駛時間、平均狀況下每公裡行駛時間，以及為保證準時到達目的地的每公裡規劃時間。通過這三大指標，研究人員總結出了「網絡緩衝行程時間率（NBTR）」及其指數NBTRI，兩者數值越高，代表相應的交通可靠性程度越低。
40城市交通可靠性排名 出門預留多少時間靠譜可以算
在人們印象中，似乎城市越大，交通越擁堵，交通可靠性就越低。但從這次的研究結果來看並非如此。
以北京為例，在道路完全暢通時，每行駛1公裡所需時間為2分鐘；在通常情況下，平均每行駛一公裡需要2.83分鐘；如果要確保準時到達，每行駛一公裡最多花費4.94分鐘。這一數字表明，對於北京居民而言，為了保證能準時抵達目的地，每公裡行程需要額外預留2.11分鐘。這意味著北京的NBTRI指數為0.74，在本次研究劃分的類別中，僅屬於「輕度不可靠」（對本次研究的40個城市的交通可靠性等級進行分類，NBTRI指數低於0.67，為「可靠」級別；指數在0.67-0.7之間，為「基本可靠」；指數在0.7-0.75之間，為「輕度不可靠」；指數在0.75-0.79之間為「中度不可靠」；指數大於等於0.79，為「嚴重不可靠」）。
而此次浙江大學交通工程研究所也對全國40座一、二、三線城市的交通可靠性進行評測後發現，哈爾濱、長春和濟南的NBTR指數最高，表明交通可靠性較差，其中排名榜首的哈爾濱，如果居民想要準時到達目的地，每公裡至少需要多預留2.89分鐘；而交通可靠性最高的三座城市為三亞、蘇州和威海，其中在三亞每公裡只需要多留出1.33分鐘就可以確保準時到達。
對照NBTR掐指一算，你就知道自己提前多少分鐘出門最靠譜了。
交通可靠性研究將助力「精準治堵」
為何哈爾濱和長春這兩座東北重鎮會名列前茅？對此，陳喜群博士認為，在測算的2015-2016年期間，這兩座城市正在發展地下軌道交通，道路施工較多，造成地面道路的通行能力下降；同時兩座城市均為北方城市，冬季下雪天氣較多，使得路面結冰，降低道路通行能力，且易發生交通事故，這也造成了交通可靠性的降低。
陳喜群的研究團隊此次是將城市進行1公裡乘以1公裡的網格化分析，更加微觀地洞察了城市更小部位的交通狀況。對此，陳喜群博士認為，「智慧交通」越來越多地被應用於城市交通治理，而運用大數據更細微地觀察路網狀況、居民出行感受度的交通可靠性分析，可以對城市「精準治堵」提供參考依據，為路網布局和規劃提供決策支持。
（圖中紅色越深表示交通可靠性程度越低, 可靠性較低的區域主要集中在繁華商業區和交通樞紐及換乘地區，如王府井、五道口、四元橋、遠通橋等）
滴滴出行大數據 將為智慧交通提供「導航儀」
一座城市的交通可靠性高不高？城市內各個區域的交通可靠性分布如何？背後是因為什麼因素所造成的？對於這些問題，過去不少人或許可以從經驗上來進行判斷，但卻無法通過直觀的數字來進行量化。因為這種量化需要對海量的出行樣本進行統計分析和挖掘之後，才能找到其中所隱藏的「秘密」，但在過去的出行模式之下，顯然難以實現。
而藉助滴滴出行平臺，每天都有海量的交通工具在平臺上運行，這也為交通可靠性的量化提供了最有力的參考數據，也正是在此基礎上，未來在智慧交通方案的制定上，才能更加有的放矢，達到更好的效果。在這個過程中，滴滴出行大數據讓智慧交通的方向更加明確，成為了名副其實的「導航儀」。
事實上，滴滴正與越來越多的政府部門在智慧交通領域達成合作，此前滴滴出行分別於深圳和成都達成戰略合作夥伴關係，共同推進當地的智慧交通建設，這也將讓未來的城市出行環境變得更美好。