2024年中国主要城市交通分析报告

1 本研究报告由高德地图大云图业务 中心数据分析团队撰写，所载全部内容仅 供参考。 报告是基于高德地图及行业浮动车数据，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。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。经高德事先书面许可的引用发布，需明确出处为“高德地图《2024年中国主要城市交通分析报告》”，不得对报告进行有悖原意的引用、删节和修改，且引用本报告的文件发布前应当经高德审核。 声 明 TheStatement “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。” 欲了解您所在城市交通拥堵数据，请访问：httpsreportamapcomdiagnosisindexdo 感谢您的关注，敬请留意后续研究结果的发布 概 述 Summary 《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”、“清华大学土木水利学院”、“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 高德交通大数据智库 高德交通大数据智库，提供城市交通管理政策、措施实施和改善评价，为城市交通精准化综合施策提供“评诊治”一体化的解决方案。 产品与服务 ProductsandServices 评 通过30项评价指标，快速扫描不同场景下城市堵点和资源瓶颈；为城市交通管理部门诊断交通问题，评估交通改善措施提供量化的数据支撑。 诊 精细化分类城市交通拥堵场景，与交通管理者、专业机构和交通“医生”，共同对交通问题进行诊断 治 对体表导致的局部拥堵，通行能力导致的区域用堵，出行结构不合理导致的城市拥堵，提供一体化解决方案 更多交通“评诊治”大数据产品及服务 明镜政府版 交通“评诊治”咨询报告服务交通“评诊治”数据接口服务高德交通报告官网 AI智能交通医生 城市交通运行态势 区域、学校、医院、街道、实时拥堵监测及改善监测报告 提供城市及特定区域交通评价、诊断、治理定制一体化解决方案 提供交通评价、诊断、治理60指标项数据接口服务 全国交通实时动态监测及分析报告集 基于高德云睿时空大模型， AI智能辅助交通治理决策 交通智库商务合作：trafficreportservicealibabacom 城市范围： 根据高德地图开放平台交通流量大数据，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。 样本说明： 数据呈现： 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。 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GBT 366702018《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采用“人口出行热度核心区高峰期社会车辆与公交车速比、全市全天线路运营速度波动率、平均候车时长、公共交通与小汽车高峰出行时间比、平均步行距离、平均换乘系数”等六项指标综合得出“公共交通出行幸福指数”，来全面刻画城市公共交通运行状况。 时间说明： 全天06002200早高峰07000900晚高峰17001900 因时区原因，乌鲁木齐早晚高峰时段调整为09001100、19002100，拉萨早晚高峰时段调整为08001000、18002000。 无其他特殊说明，本报告统计时间均为2024年01月01日2024年12月31日 编制说明 Reportdescription 分析范围： 360城市全国高速 选取 地面交通50城 选取 公共交通39城 线路运营速度波动率 公共交通与小汽车 高峰出行时间比 公共交通出行幸福指数 平均换乘系数 社会车辆与公交车速比 城市公共交通：利用“公共交通出行幸福指数”对城市公共交通运行进行综合评价 城市公共交通 平均候车时长 效率时间 平均步行距离 便捷 地面道路交通：利用“交通健康指数”对城市地面道路交通健康水平进行综合评价诊断 路网高峰行程延时指数 常发拥堵路段里 程比 交通健康指数 道路运行速度偏差率 地面道路交通 路网高延时运行时间占比 时间 路网高峰拥堵路段里程比 高峰平均速度 空间效率 交通报告50主要城市选取标准： 城市发展交通体量 数据说明 Datadescription GDP 城市选取 城市影响力 城区常住人口 汽车保有量 出行核心区面积在途车流密度 指标归一 化加权计算 50城 注：1“在途车流密度”统计方法为：城市核心区范围内平均每公里每分钟在道路上行驶的去重车辆数，统计时段为6点22点； 2城市影响力考量标准为：是否省会、直辖市、区域中心城市及是否举办大型国际会议等。6 目录 01城市公共交通运行分析 02城市地面道路交通分析 7 第一章 城市公共交通运行分析 8 第公 共计算说明：公共交通出行幸福指数 章交 通 公共交通是城市交通的重要组成部分，全面客观地描述城市公共交通整体运行水平，有利于更综观地评价城市交通状况。高德提出“公共交通出行幸福指数”：效率维度，引入“小汽车与地面公交速度比、全市全天线路运营速度波动率”；时间维度，引入“公共交通与小汽车高峰出行时间比、平均候车时间”；便捷维度，引入“平均步行距离、平均换乘系数”，构成公共交通幸福六宫格，对城市公共交通运行水平进行综合评价。 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，最终评分结果代表各城市指标与理想值之间的接近程度；“公共交通出行幸福指数”越高说明离理想值越近，城市公共交通运行水平越高；指数越低则说明多项指标距离理想值越远，相对水平越低。 六项指标信息熵权重分配结果显示，“换乘系数”和“速度波动率”的权重占比最高，换乘系数与公共交通线网衔接、覆盖率等关系较大；速度波动率与城市公共交通稳定性相关。两项指标权重最大，一方面从数据层面说明不同城市这两项指标的方差较大，另一方面亦说明对于出行者来说，出行稳定程度、公交运营效率对出行体感影响大。 六项指标信息熵权重分配 平均候车时长 695 公共交通与小汽车高换乘系数2450 峰出行时间比 1287 公共交通与小汽车高 峰出行时间比 1665 全市全天线路运营速 度波动率2069 小汽车与地面公交速 度比1834 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，最终结果如左图所示。 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 第公 共公共交通出行幸福指数 章交 通 所研究城市在2024年期间，兰州市、合肥市、济南市等10个城市的公共交通出行幸福指数较高，说明其公共交通（地面公交地铁）运行效率、可靠性，相对其他城市公共交通运行水平的综合表现较好； 超大城市公共交通出行幸福指数 大中城市公共交通出行幸福指数 深圳市 成都市重庆市北京市武汉市上海市广州市杭州市 东莞市 7437 7260 7230 7204 7117 6927 6691 6209 5079 特大城市公共交通出行幸福指数 合肥市 济南市南京市郑州市西安市沈阳市青岛市 苏州市 7856 7855 7329 7262 6969 6327 6120 5575 兰州市 大连市哈尔滨市长春市洛阳市 乌鲁木齐市 宁波市厦门市海口市常州市无锡市南宁市南昌市石家庄市贵阳市中山市惠州市台州市绍兴市昆明市南通市 8148 7680 7451 7410 7094 6888 6854 6733 6703 6683 6225 6200 6120 6032 5758 5224 5179 4912 4862 4808 4535 公共交通出行幸福指数 5 7哈尔滨 长春 4 大连 1 兰州 9 3 济南 郑州 28 10 成都 合肥 南京 6 深圳 兰州市公共交通出行幸福指数最高，与正理想值最接近，达到8148；深圳市和合肥市分别在超大城市和特大城市中“公共交通出行幸福指数”位列首位。 第公 共公共交通平均换乘系数 章交 通 换乘系数反映公交出行中换乘相对量，该值越低，说明公交出行中需要换乘的出行越少，公交出行越便捷。 2024年期间，城市公共交通平均换乘系数整体同比呈多持平或下降趋势，超大城市、特大城市、中大城市的平均换乘系数（1574、1522、1432）与去年同期 相比（1579、1520、1435）差异较小。其中，东莞市、沈阳市、海口市的公交换乘系数分别在超大、特大、中大城市中最小。 东莞市 超大城市换乘系数 降 平 平 降 平 平 平 平 平 1463 东莞市 换乘次数占比 54 29 海口市 中大城市换乘系数 降 1309 海口市 换乘次数占比 69 25 重庆市深圳市武汉市广州市杭州市成都市 上海市 1514 1552 1578 1585 1600 1614 1619 重庆市 深圳市武汉市广州市杭州市成都市上海市 49 45 42 41 40 39 38 33 34 34 32 35 35 35 哈尔滨市降惠州市降乌鲁木齐市升 平 升 平 兰州市 贵阳市厦门市 大连市降 1313 1374 1378 1378 1383 1389 1392 哈尔滨市惠州市 乌鲁木齐市 兰州市贵阳市厦门市大连市 69 63 62 62 62 61 61 24 26 28 27 30 29 25 北京市 1639北京市 36 34 中山市降 绍兴市平 1406 1407 中山市 绍兴市 59 59 29 26 沈阳市济南市青岛市南京市西安市苏州市郑州市 特大城市换乘系数 降 降 升 平 平 平 升 平 1429 1467 1474 1546 1550 1563 1568 沈阳市济南市青岛市南京市西安市苏州市郑州市 换乘次数占比 57 30 53 29 53 33 45 34 45 33 44 33 43 31 洛阳市降台州市降长春市平常州市降南宁市降石家庄市平南通市平 平 无锡市 南昌市平宁波市平 昆明市平 1409 1451 1454 1465 1483 1491 1497 1499 1509 1525 1553 洛阳市台州市长春市常州市南宁市石家庄市南通市无锡市南昌市宁波市昆明市 59 55 55 54 52 51 50 50 49 48 45 30 26 31 31 34 33 31 33 35 31 32 合肥市 1575 合肥市 43 36 直达占比 一次换乘占比多次换乘占比 注：换乘系数计算方法参考国家标准（GBT3285212016），指标基于高德地图公交规划数据计算；取起终点均在该城市的公交规划数据作为分析对象