1、1 中国主要城市交通分析报告以高德交通大数据发布平台、大数据开放平台、阿里云MaxCompute及相 关数据挖掘方法为支撑基础，描述城市交通现状、呈现演变规律、预测未来发展趋势，专注拥堵成因及解决对 策的研究。本季度报告由高德地图联合“国家信息中心大数据发展部”、“中国社会科学院社会学研究所”、 “清华大学-戴姆勒可持续交通联合研究中心”、“同济大学智能交通运输系统（ITS）研究中心”、“未来交 通与城市计算联合实验室” 等机构共同联合发布，在此一并表示感谢。高德地图愿与政府、企业、院校等研究 机构保持开放合作，共建交通共同体。 联合发布联合发布 2 The Statement 概 述 本研究

2、报告由高德地图智慧交通 业务中心数据分析团队撰写，所载全部内 容仅供参考。 报告是基于高德4亿月活跃用户和交 通行业浮动车数据，通过大数据挖掘技术 结合交通算法及交通理论编制，保证报告 合理性与科学性。报告中地面道路交通通 行时间计算方法，是考虑融合道路交叉口 延误时间（即信号灯等待时间），从时间、 空间、效率三个维度客观、综合地反映了 城市道路交通健康状况并提出诊断方案的 研究。报告力争做到精准、精细、精确， 为公众出行、机构研究及政府决策提供有 价值的参考依据。 报告中所涉及的文字、数据、图片及 标识等所有内容均受到中国著作权法、专 利法、商标法等知识产权法律法规以及相 关国际条约的保护。

3、未经高德事先书面许 可，任何组织和个人不得将本报告中的任 何内容用于任何商业目的。如引用发布， 需注明出处为“高德地图中国主要城市 交通分析报告”，且不得对报告进行有 悖原意的引用、删节和修改。报告以中文 编写，英文版由中文版翻译而成，若两种 文本间有差异之处，请以中文版为准。 The Statement 声 明 3 “ 交通评价是一个极其复杂的工程，虽然大数据可以反映城市运行规律和特征，但源于数据来源和样本交通评价是一个极其复杂的工程，虽然大数据可以反映城市运行规律和特征，但源于数据来源和样本 渗透的差异性，认识的局限性，设备的不足等困难，更科学、更精确、更有价值是我们一直追求的目标。”渗透

4、的差异性，认识的局限性，设备的不足等困难，更科学、更精确、更有价值是我们一直追求的目标。” 欲了解您所在城市交通拥堵数据，请访问： 感谢您的关注，敬请留意后续研究结果的发布 注：注： 高德4亿MAU来源于QuestMobile 常规说明 城市城市范围：范围： 样本样本说明：说明： 城市道路公共交通评价、地面道路交通评价分别进行独立计算。 时间时间说明：说明：全天 06:00-22:00 早高峰07:00-09:00 晚高峰17:00-19:00 无特殊说明，本报告统计时间均为2019年7月1日2019年9月30日 数据数据呈现：呈现： 地面交通50城 选取 分析分析范围：范围： 360城市+全

5、国高速 选取 公共交通25城 地面道路交通评价 采用“六宫格”综合指标表示城市交通运行健康状况，多项指标兼容GB/T 36670-2018城市道路交通组织设计规范交通组织方案评价。 城市道路公共交通评价 “公交出行幸福指数”采用“公交全天运营速度、社会车辆与公交车速比 及全市全天线路运营速度波动率”三项指标综合评价城市地面公交效率。 4 Report description 编制说明 根据高德地图开放平台人口定位和交通流量大数据，通过算法融合挖掘识别出城市人车出行活跃核心 区，该核心区范围为本报告城市道路路网评价范围。 地面地面道路道路交通交通：六宫格-健康综合诊断 公共公共道路道路交通：交通

6、：增加城市道路公共交通运行评价 出行 速度 公交全天运营速度 全市全天线路运营 速度波动率 社会车辆与公交车 速比 地面公交出行幸地面公交出行幸 福指数福指数 城市道 路公共 交通 路网高延 时运行时 间占比 路网高峰 拥堵路段 里程比 路网高峰 行程延时 指数 高峰平均 速度 道路运行 速度偏差 率 时间时间 空间空间 效率效率 交通健康指数交通健康指数 九宫格 矩阵 地面道 路交通 六宫 格 常发拥堵 路段里程 比 5 Report description 编制说明 更新说明 人车出行活跃核心区人车出行活跃核心区（ “人“人+ +车”大数据，车”大数据，全息全息勾勒城市核心区边界勾勒城市核

7、心区边界） 人流 车流 紫色填充区域 高德LBS定位数据 高德地图驾车数据 人车出行活跃人车出行活跃 核心区核心区 6 Report description 编制说明 更新说明 注：如无特殊说明，城市研究范围以此区域为准 重要POI、AOI 城市道路公共交通运行分析 地面公交出行幸福指数 公共交通服务水平分析 主要城市交通运行健康评价 主要城市交通拥堵分析 全国高速运行态势分析 01 城市地面道路交通运行分析 出行夜生活 02 03 智能+出行 社会经济价值研究 04 夜生活、夜经济分析 重点区域拥堵分析 潮汐通勤-深圳 交通专项分析 05 一 城市道路公共交通运行分析 8 权重确定方法熵值法

8、 1）各项指标运用最大最小值归一化处 理，并考虑指标的正反向进行调整 2）计算第j项指标下第i个样本值占该指 标的比重 3）计算第j项指标的熵值 4）计算信息熵冗余度 5）计算各项指标权重 最终计算各指标权重如左图所示。 排名得分方法TOPSIS 1）对于反向指标采用取倒数进行同向处理，然后进行数据规范化 2）利用欧式距离计算与最优最劣目标的距离，并乘以权重 3）计算各评价对象与最优方案的贴近程度 值越接近1，表示评价对象越优秀。在城市健康指数中，所得结果即代 表着该城市健康水平与最优目标的接近百分比。 注：注： 受每个季度数据波动影响，各季度指标权重、正负理想值存在一定波动；故“幸福指数”仅

9、供季度内城市间横向比较参考，同城不同季度的“幸福指数”的比较无意义。 地面公共交通是城市交通的重要组成部分，综合、客观地描述城市地面公交运营水平，有利于更综观地评价城市交通水平。高德首创综合性评价“地面公交出行幸福 指数”来全面刻画城市地面公交运行状况，从“全市全天线路运营速度波动率”、“人口出行热度核心区全天公交平均运营速度”、“人口出行热度核心区高峰期社会 车辆与公交车速比”多个维度描述城市地面公交运行水平。该指数算法沿用国际通用的信息熵法客观确定评价指标权重（该方法在政府权威部门、社会经济、学术领域 的各类报告中得到广泛普遍应用）；同时，采用TOPSIS正负理想解的计算进行排名，最终评分

10、结果代表各城市指标与理想值之间的接近程度；需要注意，受每个季度 数据波动影响，各季度指标权重、正负理想值存在一定波动。“地面公交出行幸福指数”越高说明离理想值越近，城市地面公交运行水平越高；指数越低则说明多项指 标距离理想值越远，相对水平越低。 “地面公交出行幸福指数”地面公交出行幸福指数”计算说明计算说明 全市全天线 路运营速度 波动率, 25.02% 公交全天运 营速度, 25.23% 社会车辆与 公交车速比, 49.76% 三项指标信息熵权重分配 9 特大城市 大中型城市 超大城市 地面公交出行幸福指数地面公交出行幸福指数宁波宁波“幸福指数”最高“幸福指数”最高 61.87% 61.15

11、% 56.07% 53.64% 65.40% 63.71% 63.67% 48.06% 89.96% 82.32% 66.07% 63.22% 62.74% 60.66% 59.21% 58.66% 58.14% 57.83% 57.64% 49.23% 0.00%50.00%100.00% 北京 深圳 重庆 广州 天津 成都 南京 沈阳 宁波 石家庄 长沙 兰州 南宁 厦门 杭州 东莞 昆明 乌鲁木齐 青岛 绍兴 地面公交出行幸福指数 2019 Q3地面公交出行幸福指数城市分布图 10 所研究城市在2019Q3期间，宁波宁波、石家庄石家庄、长沙长沙等等1010个城市的个城市的指数较高指数较高

12、，说明 其公交运行效率、可靠性、相对城市交通水平的综合表现较好； 宁波地面公交出行幸福指数最高，与正理想值最接近，达到89.96%；北京和天北京和天 津分别津分别在超大城市中和特大城市中“幸福指数”位列前茅。 1.925 1.932 1.993 1.994 2.049 2.053 2.056 2.065 2.066 2.118 1.0001.5002.0002.500 长沙 厦门 东莞 石家庄 兰州 南宁 天津 北京 南京 宁波 高峰社会车辆-公交运营速度比 将公交运营速度与同时段同时段、同线路同线路的社会车辆速度对比，能够较直接、客观地反映公交运行效率与城市交通效率的相对水平，值越小表示两者

13、速度差距也越 小。研究范围内的城市在2019Q3期间，长沙城市核心区长沙城市核心区内内的高峰期的高峰期“社会社会车辆车辆- -公交公交车速度比车速度比”最小最小，小汽车速度是公交的1.925倍；除了长沙除了长沙、厦门厦门、东莞东莞、 石家庄外石家庄外，其余城市车速比均在2.000以上。 全天线路运营速度波动率，为每条线路全天班次运营速度波动率的加权平均值，反映公交运营速度的变化水平；该值越小该值越小，城市公交的运行效率越城市公交的运行效率越稳定稳定。在 研究范围内的城市中2019Q3期间，宁波的“全市全天线路运营速度波动率”最小，公交运营效率最稳定。 城市高峰期“社会车辆城市高峰期“社会车辆与

14、与公交车速比公交车速比”普遍大于普遍大于2.02.0，长沙公交出行效率与小汽车最长沙公交出行效率与小汽车最接近接近 注：注： 指标指标基于基于各城市全市或核心区各城市全市或核心区内、实时数据质量较高的公交线路计算得到。内、实时数据质量较高的公交线路计算得到。 高峰期高峰期社会车辆社会车辆- -公交车运营速度比公交车运营速度比，为城市核心区内、工作日早晚高峰时期，同期同线路社会车辆速度与公交车运营速度的比值；其中，公交运营速度，指包含 公交停靠站行为对速度影响的公交车辆速度。 全天线路运营速度波动率全天线路运营速度波动率，为每条线路全天班次运营速度波动率的加权平均值，反映公交运营速度的变化水平；

15、值越小、速度波动越小、运行效率越稳定。 9.76% 11.69% 14.22% 15.13% 15.76% 15.81% 15.81% 16.03% 16.10% 16.18% 0.00%5.00%10.00%15.00%20.00% 宁波 石家庄 乌鲁木齐 成都 深圳 绍兴 兰州 天津 杭州 长沙 全市全天线路运营速度波动率 11 地面公交出行幸福指数地面公交出行幸福指数高峰期社会车辆普遍是公交车速的高峰期社会车辆普遍是公交车速的2 2倍以上倍以上 公共交通服务水平分析公共交通服务水平分析贵阳、青岛、天津轨道交通站贵阳、青岛、天津轨道交通站点衔接率增幅最大点衔接率增幅最大 0.0% 20.0

16、% 40.0% 60.0% 80.0% 100.0% 深 圳 市 北 京 市 上 海 市 广 州 市 重 庆 市 哈 尔 滨 市 成 都 市 南 京 市 沈 阳 市 武 汉 市 天 津 市 昆 明 市 长 春 市 大 连 市 苏 州 市 西 安 市 杭 州 市 石 家 庄 市 合 肥 市 青 岛 市 乌 鲁 木 齐 市 2019Q32018年末 特大城市 大中型城市 TOP10 超大城市 城市名城市名城市规模城市规模2019Q32019Q3较较20182018年末变化年末变化量量 深圳市超大88.4%1.2% 北京市超大87.5%2.3% 上海市超大86.2%2.7% 广州市超大85.7%2.

17、8% 重庆市超大75.9%2.1% 哈尔滨市特大93.0%93.0%5.1% 成都市特大89.6%6.3% 南京市特大86.0%7.2% 沈阳市特大82.6%-3.0% 武汉市特大76.9%2.4% 天津市特大70.7%8.8%8.8% 昆明市大中94.0%94.0%3.4% 长春市大中90.6%90.6%6.3% 大连市大中90.1%90.1%2.2% 苏州市大中87.7%0.9% 西安市大中86.0%3.6% 杭州市大中85.7%4.4% 石家庄市大中84.6%1.5% 合肥市大中84.4%7.7% 青岛市大中84.1%12.1%12.1% 乌鲁木齐市大中83.3%0.0% 南宁市大中83

18、.2%-8.8% 贵阳市大中82.7%12.3%12.3% 无锡市大中82.1%-1.2% 郑州市大中82.0%2.6% 佛山市大中80.8%0.0% 东莞市大中79.3%7.3% 长沙市大中78.9%-1.3% 福州市大中78.3%1.9% 南昌市大中77.7%-0.2% 宁波市大中74.8%-4.2% 厦门市大中71.2%2.5% 除“地面公交出行幸福指数”外，报告还分析了轨道交通站点衔接率轨道交通站点衔接率、换乘系数换乘系数、平均步行距离和候平均步行距离和候 车时间车时间。这些指标也是反映城市公共交通服务水平的重要度量。 对比所研究城市在2019Q3和2018年末的轨道交通站点衔接率发现

19、： 绝大多数城市轨道交通站点衔接率均有提升；有有4 4个城市个城市（哈尔滨哈尔滨、昆明昆明、长春和大连长春和大连）的衔接率超的衔接率超 过过9090%，比2018年末多2个；贵阳贵阳（1212. .3 3%）、青岛青岛（1212. .1 1%）和天津和天津（8 8. .8 8%）的轨道交通站点衔 接率提升最大，意味着这些城市的轨道交通与地面公交接驳水平提升最为显著。 部分城市衔接率有所下降，这可能与这些城市轨道交通快速扩张、公交配套服务未能及时跟进有关。 注：注： 轨道交通站点衔接率轨道交通站点衔接率指的是一定范围内有公交车站的轨道交通出入口占城市总轨道交通出入口的比例，具体计算方法参见国标。

20、 12 4 4城市衔接率超城市衔接率超90%90%，贵阳、青岛、天津较，贵阳、青岛、天津较20182018年末增幅最大年末增幅最大 西宁西宁99%99%公交出行至多换乘公交出行至多换乘1 1次可达，深圳在超大城市中公交出行换乘系数最小次可达，深圳在超大城市中公交出行换乘系数最小 特大城市 大中型城市 TOP10 超大城市 1.0001.2001.4001.600 深圳 重庆 广州 上海 北京 哈尔滨 沈阳 天津 南京 成都 武汉 西宁 厦门 柳州 兰州 呼和浩特 温州 烟台 福州 洛阳 绍兴 换乘系数 63% 54% 50% 42% 40% 76% 63% 55% 54% 52% 51% 82

21、% 74% 73% 72% 71% 71% 71% 70% 70% 69% 0%50%100% 直达占比一次换乘占比多次换乘占比 1.365 1.241 1.183 注：注： 换乘系数计算方法参考国家标准（GB/T 32852.1-2016）。 13 公共交通服务水平公共交通服务水平分析分析西宁西宁99%99%公交出行至多换乘公交出行至多换乘1 1次次 根据高德地图2019Q3公交规划数据，计算每个城 市公交出行的换乘系数换乘系数和平均步行距离平均步行距离，来判断城市公 交出行的便捷度。 换乘系数反映城市公交出行中换乘相对量，为乘车 出行人次与换乘人次之和除以乘车出行人次；该值越低， 公交出行

22、中需要换乘（含地面公交、地铁内部换乘和地 面公交、地铁间换乘）的出行越少，公交出行越便捷。 分析发现： 超大城市换乘系数普遍高于特大城市，而特大城市 又普遍高于大中城市。 超大城市中，深圳深圳（1 1. .365365）公交的换乘系数最小， 哈尔滨哈尔滨（1 1. .241241）、西宁西宁（1 1. .183183）公交的换乘系 数分别在特大和大中型城市中最小。 大中型城市的公交出行需求中，至多换乘1次可达 的占比普遍较高，上榜大中型城市均超90%；而超 大城市公交该比例普遍较低，仅深圳超90%。 对于平均换乘次数最小的西宁西宁，82%的公交出行需 求不必换乘、9999%的需求至多换乘的需求

23、至多换乘1 1次次就可以到达 目的地。 绝大多数城市公交出行平均步行距离小于绝大多数城市公交出行平均步行距离小于1km1km，深圳超大城市中平均步行距离最短，深圳超大城市中平均步行距离最短 020040060080010001200 深圳 广州 重庆 北京 上海 哈尔滨 沈阳 天津 武汉 成都 南京 西宁 乌鲁木齐 厦门 烟台 兰州 绍兴 长沙 青岛 济南 福州 进出公交系统平均步行距离平均换乘距离 （米） 803米 702米 702米 进入公共 交通系统 离开公共 交通系统 车站 车站 换乘 起点 终点 平均步行距离指城市中公交系统使用者进出系统、换乘所需的步行距离， 该值越低，城市公交出行

24、便捷度越高。分析发现： 超大城市中，深圳深圳出入公交系统的平均步行距离和换乘距离均为最小；哈哈 尔滨尔滨、西宁西宁的平均步行距离分别在特大和大中型城市中最小。 在研究范围内的所有城市中，绝大多数城市公交出行的平均步行距离小于 1km，乘客步行普遍较便捷。 超大城市平均步行总距离为971米；特大城市平均步行总距离为889米； 环比2019Q2分别上升2.24%和6.30%。这可能与三季度的暑期出行需求 特性有关。 14 公共交通服务水平公共交通服务水平分析分析哈尔滨、西宁步行公交出行平均距离最短哈尔滨、西宁步行公交出行平均距离最短 特大城市 大中型城市 TOP10 超大城市 城市“高峰期平均候车

25、时长”城市“高峰期平均候车时长” 兰州公交最优达兰州公交最优达5.065.06分钟，宁波候车时长受交通扰动影响最小分钟，宁波候车时长受交通扰动影响最小 15 公共交通服务水平公共交通服务水平分析分析兰州高峰期兰州高峰期平均候车时平均候车时长最优长最优 报告选取了城市人口热力核心区内的公交站点，根据其在高峰期时段车辆车辆到达的车头时距及其均匀性到达的车头时距及其均匀性，计算了各城市“高峰期平均候车时长”，反映城市公交服务 的可靠水平。平均候车时长主要受发车频率和交通扰动影响：线路发车频率越高线路发车频率越高、交通环境干扰越小交通环境干扰越小、平均候车时间越短平均候车时间越短。 对2019Q3期间

26、研究范围内的城市候车时长分析发现： 兰州兰州“高峰期平均候车时长”为5 5. .0606分钟分钟，在所有城市中最优。进一步分析发现，在高峰时段，兰州市人口热力核心区内的大部分站点（61.3%）候车时长小于 5min，绝大部分（93.8%）小于10min。除了城市形态的影响，这也与兰州市对公交的投入和支持紧密相关。 重庆重庆、南京南京分别位列超大和特大城市中的首位，意味着这些城市的公交在高峰期发车频率较高、且受交通环境干扰影响较小，公交服务最可靠。 宁波的候车时长宁波的候车时长受交通环境受交通环境干扰干扰影响影响最小最小（1 1. .1010分钟分钟），意味着宁波公交在可靠性保障方面运营水平较高

27、，在同等运力水平下能提供更可靠的公交服务。 0.00 10.00 20.00 重 庆 上 海 广 州 深 圳 北 京 南 京 成 都 沈 阳 天 津 兰 州 长 沙 石 家 庄 厦 门 宁 波 青 岛 南 宁 昆 明 杭 州 绍 兴 乌 鲁 木 齐 东 莞 高峰期平均候车时长 候车时长（发车频率）候车时长（交通扰动） 注：注： 指标基于指标基于各城市核心区各城市核心区内、实时数据质量较高的公交线路计算得到。内、实时数据质量较高的公交线路计算得到。 高峰期平均候车时长高峰期平均候车时长，为城市核心区内、工作日早晚高峰时期，假定乘客随机到达服从均匀分布的情况下，乘客的平均候车时长。计算方法参考TC

28、RP165报告中国际通用的方法。 （分钟） 61.3% 32.5% 兰州人口热力核心区内 站点候车时长分布 20min 1.10 5.06 8.26 8.22 特大城市大中型城市超大城市 绿色出行意愿指数北京排名第一，绿色出行意愿指数北京排名第一，TOP10TOP10城市中南方占城市中南方占7 7席席 绿色出行意愿指数计算说明：同一城市内（骑行+公交+地铁+步行）绿色导航规划次数该城市（驾车+骑行+公交+地铁+步行）总规划次数=城市绿色出行意愿指数，对指数做了规范化处理。 指数排名越高，代表该城市绿色出行意愿和需求越强。 2019 Q3 2019 Q3 北京绿色出行意愿最高北京绿色出行意愿最高

29、，其，其公交公交& &地铁出行意愿环比增强地铁出行意愿环比增强 选取全国50个主要城市，依据高德地图公交&地铁、骑行、步行路线规划占总规划次数的比例，进行规范化后得出各城市的“绿色出行意愿指数”，指数越高表明城 市绿色出行需求强度越大，反之绿色出行需求强度越小。50城市中排名第一的是北京，其公交&地铁、骑行、步行导航规划占比均高于50城市均值，且环比Q2，公交 &地铁规划次数占比上升明显。本季广州、深圳、昆明环比2019 Q2排名上升，进入TOP10榜单。 从各类绿色出行方式来看，公交&地铁、骑行、步行出行意愿排名第一的城市分别为北京、南宁、兰州，与Q2一致。 2.82 2.78 2.69 2

30、.58 2.57 2.56 2.50 2.49 2.48 2.47 北京市 兰州市 上海市 西安市 广州市 南京市 长沙市 深圳市 武汉市 昆明市 绿色出行意愿指数 2019 Q3城市绿色出行意愿指数排名 TOP10 公交&地铁步行骑行 导航规划次数占比 北京各绿色出行方式意愿分布 2019Q32019Q22019Q3 50城市均值 排名 北京南宁兰州 上海昆明厦门 乌鲁木齐福州贵阳 2019 Q3城市公交&地铁、骑行、步行出行意愿指数排名TOP3 16 二 城市地面道路交通运行分析 17 城市核心区作为城市公共活动最活跃且集中的区域，具有高度空间动态蔓延的特征，对其边界的准确刻画是城市间交通

31、分析对比准确性和可靠性的重要保 障，本报告基于LBS定位数据和驾车数据，从城市人流和车流两个动态维度结合静态POI、AOI数据，全息勾勒城市核心区边界。本季度在人流识别方面，根 据各城市自身发展特质，首次提出一种基于曲线拟合的方法确定各城市定位百分比的临界值，科学计算自适应比率，找到城市人流定位分布的边界，并考虑各 城市车流密度对小规模城市进行合理修正，进一步提升核心区面域的合理性。 0 5 10 15 20 25 5% 8% 11% 14% 17% 20% 23% 26% 29% 32% 35% 38% 41% 44% 47% 50% 53% 56% 59% 62% 65% 68% 71%

32、74% 77% 80% 83% 86% 89% 92% 95% 累计网格数（单位：万） 定位数累计百分比 太原沈阳唐山保定北京上海 基于曲线拟合确定城市人流定位的边界 基于车流密度对小城市进行扩样修正 城市定位累计百分比曲线 城市核心面域优化算法说明城市核心面域优化算法说明 18 权重确定方法熵值法 1）各项指标运用最大最小值归一化处 理，并考虑指标的正反向进行调整 2）计算第j项指标下第 i 个样本值占该 指标的比重 3）计算第j项指标的熵值 4）计算信息熵冗余度 5）计算各项指标权重 随着城市交通复杂性增加和智能交通的飞速发展，单一指标的评价和诊断已不能满足我国交通运行的多样化评测。高德首

33、创城市交通诊断评价模型，即“交通健康指 数”综合性评价方法，全面刻画城市交通运行状况。该指数由六项交通运行指标组成，对城市进行全方位立体化运行健康评价分析。交通健康指数算法沿用国际通用的信 息熵方法确定评价指标权重（该方法在政府权威部门、社会经济及学术领域报告中已经普遍应用），并采用TOPSIS正负理想解的计算进行排名，最终评分结果代表各城 市六宫格指标与理想值之间的接近程度。“交通健康指数”越高说明离理想值越近，城市运行相对越健康；指数越低则说明多项指标距离理想值越远，相对越不健康。本 季度进一步对权重计算和TOPSIS算法进行了优化，建立了交通健康指数的可对比性。 19 “交通健康指数”计

34、算及优化说明“交通健康指数”计算及优化说明 时间-路网高延 时运行时间占 比, 17.89% 时间-路网高峰 行程延时指数, 17.24% 空间-路网高峰 拥堵路段里程 比, 16.25% 空间-常发拥堵 路段里程比, 20.16% 效率-高峰平均 速度（km/h）, 13.85% 效率-道路运行 速度偏差率, 14.61% 六项指标信息熵权重分配 排名得分方法TOPSIS 1）利用历史数据固定TOPSIS的最优最劣值 2）运用固定的最优最劣值对数据进行归一化处理，并考虑指标的正反向进 行调整 3）利用欧式距离计算与最优最劣目标的距离，并乘以权重 4）计算各评价对象与最优方案的贴近程度 值越接

35、近1，表示评价对象越优秀。在城市健康指数中，所得结果即代表着 该城市健康水平与最优目标的接近百分比。 算法调整 基于历史一年数据更新权重 20 将全国50个主要城市的“交通健康指数” 均值作为健康、亚健康临界值，也就是健康水平线；得出交通健康、亚健康榜单，数据显示： 50城市中，哈尔滨交通健康指数最低，城市交通相对处于亚健康状态，其交通健康指数为44.68%；南通交通健康程度最高，其交通健康指数为75.38%。 同比2018Q3，交通亚健康榜TOP10中北京交通健康状态明显变好，其交通健康指数同比上升12.3%；其次昆明、贵阳交通健康指数同比分别上升7.1%、4.0%。 交通健康榜TOP10中

36、首次入榜的省会城市太原，其交通健康指数同比上升幅度达20%，或主要与“第二届全国青年运动会”期间单双号限行有关。 2019 Q32019 Q3中国中国主要主要城市交通亚城市交通亚健康健康榜与健康榜榜与健康榜TOP10TOP10 健康排名健康排名城市城市交通健康指数交通健康指数同比变化同比变化 1南通 75.38%-0.8% 2扬州 72.42%3.8% 3常州 71.15%0.4% 4淄博 69.94%-1.6% 5泉州 69.27%-0.7% 6绍兴 69.04%-2.3% 7无锡 67.86%-3.4% 8台州 67.77%-0.9% 9苏州 67.48%-1.6% 10太原 67.26%

37、20.0% 2019 Q3中国主要城市交通健康排名TOP10 亚健康排名亚健康排名城市城市交通健康指数交通健康指数同比变化同比变化 1哈尔滨 44.68%-4.6% 2广州 44.88%-5.7% 3贵阳 45.56%4.0% 4重庆 45.57%-1.7% 5北京 46.42%12.3% 6深圳 46.51%-1.2% 7长春 51.36%-0.7% 8西安 51.42%-0.8% 9大连 51.92%-5.1% 10昆明 52.62%7.1% 2019 Q3中国主要城市交通亚健康排名TOP10 21 20.01% 18.59% 12.64% 12.29% 11.29% 7.94% 7.66

38、% 7.08% 7.07% 7.06% 太原 南宁 兰州 北京 郑州 武汉 上海 昆明 天津 保定 交通健康指数同比变好城市TOP10 城市城市CTCT扫描扫描 2019 2019 Q3Q3中国主要健康指数同比变化中国主要健康指数同比变化 5.68% 5.25% 5.08% 4.57% 4.29% 3.80% 3.42% 2.51% 2.34% 1.70% 广州 厦门 大连 哈尔滨 青岛 东莞 无锡 沈阳 绍兴 重庆 交通健康指数同比变差城市TOP10 全国50个主要城市中，交通健康指数同比变好的城市排名第一的是太原，其六项指标同比均变好，估测其原因主要是受8月6日至8月20日“第二届全国青年

39、运 动会”期间单双号限行的影响；交通健康指数同比下降的城市排名第一的是广州，其六项指标有四项指标同比变差，或与“台风季”异常天气增多有关。 时间-路网高延 时运行时间占比 时间-路网高峰 行程延时指数 空间-路网高峰 拥堵路段里程比 空间-常发拥堵 路段里程比 效率-高峰平均 速度（反） 效率-道路运行 速度偏差率 太原 2019Q32018Q3 时间-路网高延 时运行时间占比 时间-路网高峰 行程延时指数 空间-路网高峰 拥堵路段里程比 空间-常发拥堵 路段里程比 效率-高峰平均 速度（反） 效率-道路运行 速度偏差率 广州 2019Q32018Q3 健康指数同比下降城市 22 衡量及对比不

40、同城市交通运行状况需充分考虑城市间交通发展规模的差异性，为准确反映城市的真实交通运行体量，基于“汽车保有量”对城市间交通状况的 可比性进行综合考量，采用国际通用的K-Means聚类算法将全国50个主要城市划分到“超高”,“高”和“中”三个可比区间内。结果显示：汽车保有量“超高” 的城市中苏州交通健康指数最高，重庆较低；汽车保有量 “高”的城市中天津得分最高，广州较低；汽车保有量“中”的城市南通得分最高，哈尔滨较低。 排名排名城市城市交通健康交通健康指数指数 1苏州67.48% 2郑州65.57% 3成都57.21% 4上海53.37% 5北京46.42% 6重庆45.56% 排名排名城市城市交

41、通健康交通健康指数指数 1 天津 66.98% 2 宁波 66.68% 3 石家庄 65.12% 4 武汉 64.92% 5 杭州 62.43% 6 温州 62.42% 7 东莞 59.83% 8 南京 59.28% 9 青岛 58.41% 10 长沙 57.76% 11 济南 56.90% 12 佛山 56.81% 13 沈阳 56.60% 14 保定 56.42% 15 昆明 52.62% 16 西安 51.42% 17 深圳 46.51% 18 广州 44.88% 排名排名城市城市交通健康交通健康指数指数 1南通75.38% 2扬州72.42% 3常州71.15% 4淄博69.94% 5

42、泉州69.27% 6绍兴69.04% 7无锡67.86% 8台州67.77% 9太原67.26% 10唐山67.24% 11南宁66.86% 12乌鲁木齐66.02% 13柳州65.53% 14烟台65.43% 15洛阳64.77% 16南昌64.42% 17福州63.70% 18合肥63.37% 19厦门60.85% 20西宁58.54% 21呼和浩特54.77% 22兰州54.11% 23大连51.92% 24长春51.36% 25贵阳45.57% 26哈尔滨44.68% 汽车保有量“超高”城市交 通健康指数排名 汽车保有量“高”城市交通 健康指数排名 汽车保有量“中”城市交通 健康指数排

43、名 按汽车保有量分类按汽车保有量分类2019 2019 Q3Q3中国中国主要城市“交通健康指数”榜主要城市“交通健康指数”榜 23 按汽车保有量分类按汽车保有量分类城市汽车保有量与交通健康指数无明显相关性城市汽车保有量与交通健康指数无明显相关性 汽车保有量“超高” 汽车保有量“高” 汽车保有量“中” 根据高德地图交通大数据监测，城市汽车保有量和交通健康指数呈弱负相关，相关性系数只有只有- -0.380.38，二者无明显相关性无明显相关性。从图中可以看出，苏州汽车保有量“超 高”，同时交通健康指数也高，而同为“超高”汽车保有量的重庆和北京，交通健康指数则偏低。 城市城市CTCT扫描扫描 城市路网

44、高峰行程延时城市路网高峰行程延时指数榜指数榜 1.948 1.925 1.838 1.806 1.805 1.802 1.781 1.756 1.750 1.742 哈尔滨 重庆 长春 贵阳 大连 北京 济南 呼和浩特 西安 广州 城市路网高峰行程延时指数TOP10 根据高德地图交通大数据监测的50个主要城市，2019 Q3哈尔滨市哈尔滨市路网高峰行程延时指数为1.948，排名首位，指数同比2018Q3基本持平，平均车速2121. .1212km/hkm/h ； 从本季城市拥堵缓解榜来看，太原路网高峰行程延时指数同比下降最大，达12.2%，其次是南宁和武汉。拥堵缓解的10个城市中有9个为直辖市

45、或省会城市。 24 12.2% 7.7% 5.2% 5.2% 5.0% 4.9% 4.9% 4.2% 4.1% 3.4% 太原 南宁 武汉 郑州 扬州 北京 昆明 天津 兰州 福州 城市拥堵缓解榜TOP10 路网高峰行程延时指数同比变化率 44.75% 44.70% 44.01% 38.82% 36.66% 35.36% 34.98% 33.66% 32.44% 31.92% 哈尔滨 广州 深圳 西安 兰州 贵阳 昆明 重庆 西宁 北京 路网高延时运行时间占比TOP10城市 根据高德地图交通大数据监测的50个主要城市结果显示，2019 Q3路网高延时运行时间占比高的城市是哈尔滨哈尔滨，占比为4

46、4.75%44.75%。哈尔滨市一天中有接近一半接近一半的 时间城市路网处于高延时状态。从24小时分布可以看出，哈尔滨白天的拥堵分布都明显高于本季的西宁（ 2019Q2高延时排名第一名）。 城市城市CTCT扫描扫描 哈尔滨市哈尔滨市路网高延时运行时间占路网高延时运行时间占比高比高 25 1 1.5 2 2.5 0123456789 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24小时拥堵延时指数 2019Q3西宁2019Q3哈尔滨 拥 堵 延 时 指 数 8.55% 6.43% 5.99% 5.72% 5.63% 5.57% 5.29% 5.24% 4.

47、79% 4.64% 北京 贵阳 广州 上海 深圳 大连 长春 重庆 西安 南京 路网高峰拥堵路段里程比TOP10城市 城市城市CTCT扫描扫描 北京市路网高峰拥堵路段里程北京市路网高峰拥堵路段里程比高比高 2019 Q3北京核心区高峰拥堵道路热力分布 排名名称方向 1广渠门桥北向南 2酒仙桥路(大山子路口)南向北 3东五环（远通桥）南向北 4北五环（来广营桥）东向西 5东三环北路（呼家楼北）西向东 根据高德地图交通大数据监测的50个主要城市结果显示，2019 Q3北京的路网高峰拥堵路段里程比例高，达8.55%，从北京发布拥堵最多的位置分析得出，广渠 门桥北向南方向，拥堵时间最长。 1 2 3

48、4 5 Q3拥堵道路 低中高 广渠门桥拥堵位置 26 0.67% 0.66% 0.64% 0.60% 0.40% 0.37% 0.36% 0.32% 0.29% 0.29% 广州 贵阳 深圳 重庆 哈尔滨 乌鲁木齐 北京 上海 长春 佛山 常发拥堵路段里程比TOP10城市 城市城市CTCT扫描扫描 广州广州市市常发拥堵路段里程常发拥堵路段里程比高比高 2019 Q3广州常发拥堵TOP5位置分布 根据高德地图交通大数据监测的50个主要城市结果显示， 2019 Q3广州市常发拥堵路段占比高，达0.67%，其次是贵阳、深圳。广州常发拥堵路段排名第一的 是鸦岗南大道。 1 1 2 2 3 3 4 4

49、5 5 鸦鸦岗南大道岗南大道 沙贝立交沙贝立交 机场高速出口匝道机场高速出口匝道 长堤大马路长堤大马路 东风东路匝道东风东路匝道 27 24.83 25.89 27.0527.23 0 10 20 30 超大城市特大城市型大城市型大城市 各规模城市高峰平均车速（km/h） 24.14 21.12 22.79 23.25 0 10 20 30 40 上海 广州 重庆 深圳 北京 哈尔滨 沈阳 南京 成都 武汉 天津 昆明 西安 长春 长沙 大连 佛山 青岛 合肥 杭州 济南 唐山 石家庄 郑州 乌鲁木齐 苏州 太原 兰州 保定 温州 洛阳 柳州 呼和浩特 贵阳 西宁 宁波 南昌 南宁 福州 台州 烟台 淄博 东莞 绍兴 厦门 扬州 泉州 无锡 常州 南通 高峰平均速度（km/h） 超大城市特大城市型大城市 型大城市 km/h 城市城市CTCT扫描扫描超大城超大城市中北京高峰平均车速市中北京高峰平均车速最快，最快，达达25.65km/h25.65km/h 根据高德地图交通大数据监测的50个主要城市结果显示，规模大的城市高峰平均车速相对略低，超大