【交通行業(yè)】2019年度城市交通報(bào)告

2019年度中國(guó)城市交通報(bào)告China

UrbanTransportation

ReportIntelligent

Transportation

Joint

Lab

智能交通聯(lián)合實(shí)驗(yàn)室聯(lián)合發(fā)布101

城市交通擁堵?tīng)顩r02

自動(dòng)駕駛發(fā)展?fàn)顩r03

新能源出行發(fā)展?fàn)顩r04

智能交通市場(chǎng)發(fā)展?fàn)顩r05

城市交通安全問(wèn)題06

城市交通氣象問(wèn)題07

城市交通經(jīng)濟(jì)問(wèn)題目錄3城市交通擁堵?tīng)顩r42019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(shí)際速度（km/h）1↑

2重慶2.16523.642↓1北京2.04025.123↑3貴陽(yáng)1.97925.794↓2哈爾濱1.90523.085↓1長(zhǎng)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(guó)百城交通擁堵排名TOP10（城市不分類(lèi)）?

2019年度，重慶、北京、貴陽(yáng)三個(gè)城市位列全國(guó)城市交通擁堵榜單前三位。數(shù)據(jù)說(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)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(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(yáng)泉

宜賓唐山

重慶滄州西安貴陽(yáng)

2019年度擁堵加劇城市TOP5及擁堵緩解城市TOP5（城市不分類(lèi)）?

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(yáng)；擁堵同比2018年度緩解的TOP5城市為宜賓、陽(yáng)泉、肇慶、上海和連云港。數(shù)據(jù)說(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)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(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(shí)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(yáng)1.979↑14.31%25.794↓

2哈爾濱1.905↑0.35%23.085↓

1長(zhǎng)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(zhǎng)沙1.687↑4.49%28.8917↓

8濟(jì)南1.684↑1.24%29.0918↓

10沈陽(yáng)1.677↓0.36%26.1019↓

9昆明1.676↑1.51%28.9920↑

9廈門(mén)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(lè)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(shí)際速度（km/h）26↓

5杭州1.627↑3.11%28.1627↑

4衡陽(yáng)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(jì)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(guān)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(yáng)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(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)范圍是100個(gè)城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，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(guó)百城交通擁堵指數(shù)排名（城市不分類(lèi)）@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(shí)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(tái)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(yuǎn)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(yáng)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(wú)錫1.443↑11.20%37.2067↓31陽(yáng)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(shí)際速度（km/h）76↑

6煙臺(tái)1.383↑4.32%36.2177↑

6泰安1.383↑4.60%36.3578↓

4南陽(yáng)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(mén)1.370↑1.46%39.9182↓

11云浮1.370↑0.05%33.4583↓

5咸陽(yáng)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(tái)州1.335↑3.01%35.6090↑

9南通1.323↑7.57%40.3491↓

5揚(yáng)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(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)范圍是100個(gè)城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，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(guó)百城交通擁堵指數(shù)排名（續(xù)）

（城市不分類(lèi)）@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》8汽車(chē)保有量

>300萬(wàn)級(jí)城市擁堵排名TOP10汽車(chē)保有量200萬(wàn)~300萬(wàn)級(jí)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(shí)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(shí)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(zhǎng)沙1.68728.897濟(jì)南1.68429.098沈陽(yáng)1.67726.109昆明1.67628.9910杭州1.62728.16數(shù)據(jù)說(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)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(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。2019年度全國(guó)百城交通擁堵排名（城市分類(lèi)）@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》9汽車(chē)保有量100萬(wàn)~200萬(wàn)級(jí)城市擁堵排名TOP10汽車(chē)保有量

<100萬(wàn)級(jí)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(shí)際速度（km/h）1貴陽(yáng)1.97925.792哈爾濱1.90523.083長(zhǎng)春1.77726.694呼和浩特1.72528.835滄州1.70530.126廈門(mén)1.66629.807大連1.65926.328廊坊1.65531.689福州1.61330.7910濟(jì)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(shí)際速度（km/h）1樂(lè)山1.65427.552珠海1.65031.963秦皇島1.64630.844衡陽(yáng)1.62527.775張家口1.60032.436韶關(guān)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(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)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(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。2019年度全國(guó)百城交通擁堵排名（續(xù)）

（城市分類(lèi)）@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》10汽車(chē)保有量200-300萬(wàn)輛汽車(chē)保有量

>300萬(wàn)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(zhǎng)沙1.687↑

4.49%28.897濟(jì)南1.684↑1.24%29.098沈陽(yáng)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(wú)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(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)范圍是100個(gè)城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，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(guó)百城交通擁堵指數(shù)排名（城市分類(lèi)）2019年度通勤高峰

實(shí)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(lèi)城市排名2019年度通勤高峰

實(shí)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(lèi)城市排名@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》11汽車(chē)保有量

<100萬(wàn)輛1

樂(lè)山

1.654

↑1.78%27.55汽車(chē)保有量100-200

萬(wàn)輛1貴陽(yáng)1.979↑14.31%25.792哈爾濱1.905↑0.35%23.083長(zhǎng)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(mén)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(jì)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(tái)1.504↑5.63%32.8318南昌1.499↑4.07%30.5419邯鄲1.494↑10.47%33.8220洛陽(yáng)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(tái)1.383↑4.32%36.2127南陽(yáng)1.382↑2.11%31.0628臺(tái)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(yáng)1.625↑5.84%27.775張家口1.600↑9.45%32.436韶關(guān)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(yáng)1.534↓2.84%31.0112?？?.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(yuǎn)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(yáng)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(mén)1.370↑1.46%39.9127云浮1.370↑0.05%33.4528咸陽(yáng)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(yáng)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(shuō)明：本報(bào)告采用“通勤高峰擁堵指數(shù)”作為表征城市交通擁堵?tīng)顩r的指標(biāo)，即工作日早晚高峰時(shí)段，實(shí)際行程時(shí)間與暢通行程時(shí)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(shí)間因時(shí)區(qū)原因有所調(diào)整。本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)范圍是100個(gè)城市的主城區(qū)，各城市主城區(qū)范圍是根據(jù)政府公開(kāi)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(shí)時(shí)交通擁堵?tīng)顩r，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(guó)百城交通擁堵指數(shù)排名（續(xù)）

（城市分類(lèi)）2019年度通勤高峰

實(shí)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(lèi)城市排名2019年度通勤高峰

實(shí)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(lèi)城市排名@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》12嚴(yán)重?fù)矶侣范卫锍陶急仍u(píng)估路網(wǎng)中嚴(yán)重?fù)矶聽(tīng)顟B(tài)的空間蔓延程度區(qū)域間擁堵不均衡系數(shù)1評(píng)估全路網(wǎng)以平峰為參照的高峰擁堵嚴(yán)重程度N常發(fā)性嚴(yán)重?fù)矶侣范卫锍陶急仍u(píng)估路網(wǎng)中通勤高峰期間嚴(yán)重?fù)矶侣范蔚膿矶鲁梢虿町悋?yán)重?fù)矶鲁掷m(xù)時(shí)間評(píng)估路網(wǎng)中嚴(yán)重?fù)矶聽(tīng)顟B(tài)的時(shí)間持續(xù)程度?

嚴(yán)重?fù)矶侣范卫锍陶急龋?/p>

工作日通勤高峰期

間，城市路網(wǎng)中發(fā)生嚴(yán)重?fù)矶碌穆范卫锍膛c

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(yán)重?fù)矶侣范卫锍陶急龋?/p>

工作日通勤

高峰期間，城市路網(wǎng)中常發(fā)性嚴(yán)重?fù)矶侣范?/p>

占全部嚴(yán)重?fù)矶侣范蔚谋壤?

嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間：

工作日通勤高峰期間，

全路網(wǎng)處于嚴(yán)重?fù)矶聽(tīng)顟B(tài)的平均累計(jì)時(shí)間；?

高峰車(chē)速波動(dòng)系數(shù)：

工作日通勤高峰全路網(wǎng)

平均車(chē)速的離散程度；?

高峰擁堵指數(shù)：

工作日通勤高峰期間，實(shí)際

行程時(shí)間與暢通行程時(shí)間的比值。城市交通擁堵綜合評(píng)價(jià)體系——城市交通擁堵六維特征畫(huà)像模型開(kāi)發(fā)：由清華大學(xué)數(shù)據(jù)科學(xué)研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開(kāi)發(fā)；如需查看各城市實(shí)時(shí)交通擁堵?tīng)顩r，可登陸網(wǎng)址

http://jiao/top

或掃描左方二維碼。評(píng)估不同日期高峰期間全路網(wǎng)平均運(yùn)行速度波動(dòng)程度高峰車(chē)速波動(dòng)系數(shù)@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》13評(píng)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(lèi)城市排名

2019年

2018年高峰擁堵指數(shù)高峰車(chē)速波動(dòng)系數(shù)北京嚴(yán)重?fù)矶侣范卫锍陶急?/p>

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(yán)重?fù)矶侣范卫锔叻遘?chē)速波動(dòng)系數(shù)程占比嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間嚴(yán)重?fù)矶侣范卫锍陶急葏^(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴(yán)重?fù)矶侣仿范卫锍陶急?357911嚴(yán)重?fù)矶鲁掷m(xù)時(shí)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(huà)像分析—重慶（汽車(chē)保有量>300萬(wàn)城市擁堵TOP1）?

2019年度，重慶交通擁堵六個(gè)特征指標(biāo)在汽車(chē)保有量超300萬(wàn)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(gè)指標(biāo)排名同比較2018年均出現(xiàn)上升，相較同類(lèi)其他城市，重慶交通擁堵情況較2018年整體有所加劇。模型開(kāi)發(fā)：由清華大學(xué)數(shù)據(jù)科學(xué)研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開(kāi)發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實(shí)時(shí)交通擁堵?tīng)顩r，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(yán)重?fù)矶侣仿范卫锍陶急葒?yán)重?fù)矶侣范卫锍陶急葒?yán)重?fù)矶鲁掷m(xù)時(shí)間高峰車(chē)速波動(dòng)系數(shù)@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》14高峰擁堵指數(shù)

2019年

2018年高峰擁堵指數(shù)高峰車(chē)速波動(dòng)系數(shù)北京嚴(yán)重?fù)矶侣范卫锍陶急?/p>

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(yán)重?fù)矶侣范卫锔叻遘?chē)速波動(dòng)系數(shù)程占比嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間嚴(yán)重?fù)矶侣范卫锍陶急葏^(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴(yán)重?fù)矶侣仿范卫锍陶贾負(fù)矶鲁掷m(xù)時(shí)間1110943

321

12019年度典型城市交通擁堵六維特征畫(huà)像分析—廣州

（汽車(chē)保有量200萬(wàn)~300萬(wàn)城市擁堵TOP1）?

2019年度，廣州交通擁堵六個(gè)特征指標(biāo)在汽車(chē)保有量超200萬(wàn)輛的城市排名中，高峰擁堵指數(shù)、嚴(yán)重?fù)矶侣范卫锍陶急?、?yán)重?fù)矶鲁掷m(xù)時(shí)間、高峰車(chē)速波動(dòng)系數(shù)的排名同比2018年均有上升，相較同類(lèi)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(kāi)發(fā)：由清華大學(xué)數(shù)據(jù)科學(xué)研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開(kāi)發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實(shí)時(shí)交通擁堵?tīng)顩r，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(yán)重?fù)矶侣仿范卫锍陶急葒?yán)重?fù)矶侣范卫锍陶急葒?yán)重?fù)矶鲁掷m(xù)時(shí)間高峰車(chē)速波動(dòng)系數(shù)

2019年排名

2018年排名@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》15高峰擁堵指數(shù)1021

2019年

2018年高峰擁堵指數(shù)高峰車(chē)速波動(dòng)系數(shù)北京嚴(yán)重?fù)矶侣范卫锍陶急?/p>

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(yán)重?fù)矶侣范卫锔叻遘?chē)速波動(dòng)系數(shù)程占比嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間嚴(yán)重?fù)矶侣范卫锍陶急葏^(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴(yán)重?fù)矶侣仿范卫锍陶急?59131721252933嚴(yán)重?fù)矶鲁掷m(xù)時(shí)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(huà)像分析—貴陽(yáng)（汽車(chē)保有量100萬(wàn)~200萬(wàn)城市擁堵TOP1）?

2019年度，貴陽(yáng)交通擁堵六個(gè)特征指標(biāo)在汽車(chē)保有量超100萬(wàn)輛的城市排名中，除嚴(yán)重?fù)矶侣范卫锍陶急扰琶⒔低猓渌笜?biāo)排名均有所上升或保持不變，相較同類(lèi)其他城市，擁堵情況同比較2018年部分有所加重。模型開(kāi)發(fā)：由清華大學(xué)數(shù)據(jù)科學(xué)研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開(kāi)發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實(shí)時(shí)交通擁堵?tīng)顩r，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(yán)重?fù)矶侣仿范卫锍陶急葒?yán)重?fù)矶侣范卫锍陶急葒?yán)重?fù)矶鲁掷m(xù)時(shí)間高峰車(chē)速波動(dòng)系數(shù)@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》16高峰擁堵指數(shù)

2019年

2018年高峰擁堵指數(shù)高峰車(chē)速波動(dòng)系數(shù)北京嚴(yán)重?fù)矶侣范卫锍陶急?/p>

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(yán)重?fù)矶侣范卫锔叻遘?chē)速波動(dòng)系數(shù)程占比嚴(yán)重?fù)矶鲁掷m(xù)時(shí)間嚴(yán)重?fù)矶侣范卫锍陶急葏^(qū)域間擁堵不均衡系數(shù)常發(fā)性嚴(yán)重?fù)矶侣仿范卫锍陶急?71319253137嚴(yán)重?fù)矶鲁掷m(xù)時(shí)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(huà)像分析—樂(lè)山

（汽車(chē)保有量<100萬(wàn)城市擁堵TOP1）?

2019年度，樂(lè)山交通擁堵六個(gè)特征指標(biāo)在汽車(chē)保有量小于100萬(wàn)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(gè)指標(biāo)排名同比較2018年均出現(xiàn)降低或持平，相較同類(lèi)其他城市，樂(lè)山交通擁堵情況較2018年部分有所緩解。模型開(kāi)發(fā)：由清華大學(xué)數(shù)據(jù)科學(xué)研究院交通大數(shù)據(jù)研究中心與百度地圖聯(lián)合開(kāi)發(fā)；數(shù)據(jù)范圍：2018年及2019年；如需查看各城市實(shí)時(shí)交通擁堵?tīng)顩r，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(yán)重?fù)矶侣仿范卫锍陶急葒?yán)重?fù)矶侣范卫锍陶急葒?yán)重?fù)矶鲁掷m(xù)時(shí)間高峰車(chē)速波動(dòng)系數(shù)@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》17高峰擁堵指數(shù)自動(dòng)駕駛發(fā)展?fàn)顩r18國(guó)內(nèi)已發(fā)布自動(dòng)駕駛測(cè)試政策的22個(gè)城市（含直轄市）分布圖國(guó)內(nèi)已發(fā)布自動(dòng)駕駛測(cè)試政策的5個(gè)省份（不含直轄市）已發(fā)布自動(dòng)駕駛測(cè)試政策的城市及省份?

截至2019年底，國(guó)內(nèi)已經(jīng)發(fā)布自動(dòng)駕駛測(cè)試政策的城市累計(jì)達(dá)到了22個(gè)，包括：北京，上海，天津，重慶，廣州，長(zhǎng)沙，肇慶，杭州，深圳，柳州，湖州，蘇州，武漢，襄陽(yáng)，濟(jì)南，滄州，保定，西安，長(zhǎng)春，平潭，合肥，德清。此外，江蘇，廣東，湖南，河南，海南（征求意見(jiàn)）5省也發(fā)布了省級(jí)自動(dòng)駕駛測(cè)試政策。

掃描二維碼，了解更多百度Apollo資訊動(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》19國(guó)家級(jí)自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)測(cè)試及示范區(qū)?

截止2019年底，我國(guó)多個(gè)城市已經(jīng)相繼擁有了國(guó)家級(jí)自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)測(cè)試及示范區(qū)。在北方，主要有落戶(hù)于吉林長(zhǎng)春的國(guó)家智能網(wǎng)聯(lián)汽車(chē)應(yīng)用（北方）示范區(qū)，以及落戶(hù)于京冀兩省市的國(guó)家智能汽車(chē)與智慧交通（京冀）示范區(qū)。在南方，長(zhǎng)三角、珠三角、成渝地區(qū)以及中部的武漢和長(zhǎng)沙也均已擁有了國(guó)家級(jí)測(cè)試及示范區(qū)。?

目前國(guó)內(nèi)各城市在自動(dòng)駕駛賽道正逐漸形成各具優(yōu)勢(shì)的產(chǎn)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(shù)搭基礎(chǔ)”，上?！翱吭燔?chē)”，廣深“重應(yīng)用”，長(zhǎng)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(dòng)態(tài)。國(guó)家智能汽車(chē)與智慧交通（京冀）示范區(qū)國(guó)家智能網(wǎng)聯(lián)汽車(chē)(武漢)測(cè)試示范區(qū)無(wú)錫國(guó)家智能交通綜合測(cè)試基地國(guó)家智能網(wǎng)聯(lián)（上海）試點(diǎn)示范區(qū)國(guó)家智能網(wǎng)聯(lián)汽車(chē)（長(zhǎng)沙）測(cè)試區(qū)浙江LTE-V車(chē)聯(lián)網(wǎng)應(yīng)用示范區(qū)廣州5G自動(dòng)駕駛應(yīng)用示范區(qū)重慶智能汽車(chē)與智慧交通應(yīng)用示范區(qū)國(guó)家智能網(wǎng)聯(lián)汽車(chē)應(yīng)用（北方）示范區(qū)中德合作成都智能網(wǎng)聯(lián)汽車(chē)示范基地@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》20*統(tǒng)計(jì)說(shuō)明：根據(jù)中國(guó)汽車(chē)工業(yè)信息網(wǎng)，智能車(chē)聯(lián)產(chǎn)業(yè)創(chuàng)新中心官網(wǎng)、蓋世汽車(chē)等公開(kāi)資料整理。自動(dòng)駕駛路測(cè)牌照數(shù)量發(fā)放情況?

根據(jù)公開(kāi)資料統(tǒng)計(jì)*，截止2019年11月，全國(guó)多個(gè)城市已經(jīng)相繼發(fā)放了自動(dòng)駕駛路測(cè)牌照，目前已有廣州、長(zhǎng)沙、上海、武漢、滄州、北京6城市開(kāi)放載人測(cè)試。

?

6個(gè)已開(kāi)放自動(dòng)駕駛載人測(cè)試的城市，自動(dòng)駕駛路測(cè)牌照數(shù)量分別為北京77張、長(zhǎng)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(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》21*統(tǒng)計(jì)說(shuō)明：（1）根據(jù)中國(guó)汽車(chē)工業(yè)信息網(wǎng)，智能車(chē)聯(lián)產(chǎn)業(yè)創(chuàng)新中心官網(wǎng)、蓋世汽車(chē)等公開(kāi)資料整理；（2）測(cè)試?yán)锍虜?shù)均為城市道路里程數(shù)，不含高速及封閉測(cè)試道路數(shù)。自動(dòng)駕駛測(cè)試城市道路里程情況?

根據(jù)公開(kāi)資料統(tǒng)計(jì)*，截止2019年11月，全國(guó)多個(gè)城市已經(jīng)陸續(xù)開(kāi)放了自動(dòng)駕駛測(cè)試道路，北京、長(zhǎng)沙、深圳的自動(dòng)駕駛測(cè)試城市道路里程分別達(dá)到503.68公里、135公里和124公里，位列全國(guó)前三位。

掃描二維碼，了解更多百度Apollo資訊動(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(jì)說(shuō)明：根據(jù)中國(guó)汽車(chē)工業(yè)信息網(wǎng)，智能車(chē)聯(lián)產(chǎn)業(yè)創(chuàng)新中心官網(wǎng)、蓋世汽車(chē)等公開(kāi)資料整理。自動(dòng)駕駛創(chuàng)業(yè)公司22.64%車(chē)企19.59%各類(lèi)型企業(yè)獲得自動(dòng)駕駛路測(cè)牌照數(shù)量分布情況?

根據(jù)公開(kāi)資料統(tǒng)計(jì)*，截止2019年11月，全國(guó)各類(lèi)型企業(yè)已獲得路測(cè)牌照數(shù)量占比分別為：互聯(lián)網(wǎng)科技企業(yè)（56.42%）、車(chē)企（19.59%）、自動(dòng)駕駛創(chuàng)業(yè)公司（22.64%）、

物流等其他公司（1.35%）。?

獲得自動(dòng)駕駛路測(cè)牌照的企業(yè)類(lèi)型涵蓋全面，既包含傳統(tǒng)整車(chē)企業(yè)，同時(shí)也包括新勢(shì)力造車(chē)及互聯(lián)網(wǎng)科技公司、自動(dòng)駕駛創(chuàng)業(yè)公司以及物流企業(yè)。?

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

掃描二維碼，了解更多百度Apollo資訊動(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》23150+牌照數(shù)首個(gè)國(guó)家級(jí)自動(dòng)駕駛開(kāi)放平臺(tái)23城市1237專(zhuān)利數(shù)300萬(wàn)+總路測(cè)公里數(shù)首個(gè)前裝量產(chǎn)Robotaxi36000+開(kāi)發(fā)者首個(gè)面向普通市民試運(yùn)營(yíng)56萬(wàn)行代碼177合作伙伴1

萬(wàn)公里10

萬(wàn)公里300

萬(wàn)公里100

萬(wàn)公里50

萬(wàn)公里城市道路測(cè)試?yán)锍汤迕准?jí)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(yù)測(cè)國(guó)內(nèi)最大的場(chǎng)景預(yù)測(cè)標(biāo)注數(shù)據(jù)集，預(yù)測(cè)范圍和精度高于人類(lèi)百毫秒規(guī)劃控制決策響應(yīng)速度僅為人類(lèi)司機(jī)的1/3（100ms

vs

300ms）高精度地圖真實(shí)世界3D重建，厘米級(jí)精度高精

度地圖百度Apollo自動(dòng)駕駛2019里程碑?

百度自動(dòng)駕駛平臺(tái)，能力業(yè)界領(lǐng)先，領(lǐng)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(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》24聰明的車(chē)、智能的路，實(shí)現(xiàn)自動(dòng)駕駛的最優(yōu)解?

隨著車(chē)端智能化發(fā)展，路側(cè)的智能化范圍也將由示范區(qū)擴(kuò)展到全區(qū)域，最后實(shí)現(xiàn)全城市覆蓋。即使在目前路側(cè)單向調(diào)控的階段，通過(guò)交通信息服務(wù)、智能信號(hào)燈控制、智能停車(chē)等仍然可以實(shí)現(xiàn)交通效率的提升。

掃描二維碼，了解更多百度Apollo資訊動(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》25III?

在保定的百度智能交通先行實(shí)踐區(qū)域，針對(duì)4條干線(xiàn)道路的51個(gè)路口進(jìn)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(shí)長(zhǎng)平均下降了20%-30%。?在長(zhǎng)沙的百度智能交通先行實(shí)踐區(qū)域，車(chē)路協(xié)同與自動(dòng)駕駛、智能車(chē)聯(lián)等多

場(chǎng)景有機(jī)結(jié)合。目前智能網(wǎng)聯(lián)紅綠燈與導(dǎo)航地圖已經(jīng)實(shí)現(xiàn)互聯(lián)互通，Robotaxi的種子用戶(hù)，以及普通車(chē)輛的司機(jī)與乘客都可通過(guò)百度地圖手機(jī)客

戶(hù)端APP實(shí)時(shí)查看紅綠燈倒計(jì)時(shí)等信息。百度Apollo車(chē)路協(xié)同開(kāi)放平臺(tái)?

百度Apollo發(fā)布車(chē)路協(xié)同開(kāi)放平臺(tái)架構(gòu)，通過(guò)車(chē)路協(xié)同將智能網(wǎng)聯(lián)的三步串聯(lián)起來(lái)，并逐步釋放自動(dòng)駕駛技術(shù)帶來(lái)的市場(chǎng)化和商業(yè)化價(jià)值。

掃描二維碼，了解更多百度Apollo資訊動(dòng)態(tài)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》26新能源出行發(fā)展?fàn)顩r27排名城市公共充電站密度（個(gè)/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海口1.548廈門(mén)1.299長(zhǎng)沙1.2810合肥1.202019年度全國(guó)城市公共充電站密度排行TOP10?

隨著我國(guó)新能源汽車(chē)保有量穩(wěn)步增長(zhǎng)，公共充電站的建設(shè)也隨之逐漸加速。特別是2019年以來(lái)，政府對(duì)新能源汽車(chē)產(chǎn)業(yè)的補(bǔ)貼，逐步從直接對(duì)汽車(chē)補(bǔ)貼轉(zhuǎn)向?qū)Τ潆娀A(chǔ)設(shè)施補(bǔ)

貼，全國(guó)各地公共充電樁建設(shè)迎來(lái)又一波大發(fā)展。?

截至2019年底，全國(guó)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(dá)到每平方公里2.86個(gè)、2.13個(gè)以及2.05個(gè)。數(shù)據(jù)來(lái)源：百度地圖-充電樁地圖

；本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)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(kāi)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(chǎn)品訪(fǎng)問(wèn)：如何找到充電樁地圖？打開(kāi)百度地圖APP

:

首頁(yè)右側(cè)

-

圖層

/

首頁(yè)右上角頭像

-

常用功能

/

掃描二維碼體驗(yàn)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》282.86均值：2.17個(gè)/平方公里2.132.051.641.661.551.281.11均值：

0.87個(gè)/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(zhǎng)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(yáng)一線(xiàn)城市新一線(xiàn)城市2019年度一線(xiàn)及新一線(xiàn)城市公共充電站密度比較?

經(jīng)濟(jì)發(fā)達(dá)的4座一線(xiàn)城市，公共充電站建設(shè)規(guī)模較大，其主城區(qū)公共充電樁密度平均值達(dá)到了2.17個(gè)/平方公里。?

相比于一線(xiàn)城市，新一線(xiàn)城市的公共充電站建設(shè)規(guī)模相對(duì)較小，只有天津、杭州、長(zhǎng)沙、成都和武漢5座城市的主城區(qū)公共充電站密度超過(guò)了1個(gè)/平方公里，15個(gè)新一線(xiàn)城市主城區(qū)公共充電樁密度平均值為0.87個(gè)/平方公里，僅為一線(xiàn)城市均值的2/5。數(shù)據(jù)來(lái)源：百度地圖-充電樁地圖

；本報(bào)告中各分析指標(biāo)所反映的評(píng)價(jià)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(kāi)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(chǎn)品訪(fǎng)問(wèn)：如何找到充電樁地圖？打開(kāi)百度地圖APP

:

首頁(yè)右側(cè)

-

圖層

/

首頁(yè)右上角頭像

-

常用功能

/

掃描二維碼體驗(yàn)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(lǐng)域，廣大互聯(lián)網(wǎng)用戶(hù)在百度搜索中對(duì)“充電樁”一詞的搜索，能在很大程度上反映充電樁問(wèn)題的關(guān)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(shuō)明：分析基于百度指數(shù)搜索大數(shù)據(jù)；算法說(shuō)明：根據(jù)百度用戶(hù)搜索數(shù)據(jù)，采用數(shù)據(jù)挖掘方法，對(duì)關(guān)鍵詞的人群屬性進(jìn)行聚類(lèi)分析，給出用戶(hù)所屬的城市分布及排名；時(shí)間范圍：2019年全年；產(chǎn)品訪(fǎng)問(wèn)：如何找到充電樁地圖？打開(kāi)百度地圖APP

:

首頁(yè)右側(cè)

-

圖層

/

首頁(yè)右上角頭像

-

常用功能

/

掃描二維碼體驗(yàn)。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(chē)推廣政策的大力支持、充電樁建設(shè)的大規(guī)模投入以及新能源車(chē)保有量的持續(xù)增長(zhǎng)，居民對(duì)充電樁的使用需求也日益增長(zhǎng)。?

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(zhǎng)強(qiáng)勁，遠(yuǎn)高于2018年。數(shù)據(jù)說(shuō)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(shí)間范圍：2018和2019年全年；產(chǎn)品訪(fǎng)問(wèn)：如何找到充電樁地圖？打開(kāi)百度地圖APP

:

首頁(yè)右側(cè)

-

圖層

/

首頁(yè)右上角頭像

-

常用功能

/

掃描二維碼體驗(yàn)。

@2020

Baidu

《

2019年度中國(guó)城市交通報(bào)告》

31智能交通市場(chǎng)發(fā)展?fàn)顩r322019年度城市智能交通政府項(xiàng)目型市場(chǎng)投資情況——大項(xiàng)目指數(shù)（BPI）?

城市智能交通政府項(xiàng)目型市場(chǎng)，包括智能交通管理和智能交通運(yùn)輸兩大領(lǐng)域，具體包括交通指揮類(lèi)平臺(tái)、交通信號(hào)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(chē)、出租車(chē)信息服務(wù)管理系統(tǒng)等九個(gè)細(xì)分行業(yè)。?智能交通領(lǐng)域權(quán)威媒體賽文交通網(wǎng)重磅發(fā)布“城市智能交通政府項(xiàng)目型市場(chǎng)大項(xiàng)目指數(shù)（Big

Project

Index，BPI）”:

A.涵蓋千萬(wàn)級(jí)規(guī)模項(xiàng)目的數(shù)量變化和市場(chǎng)規(guī)模變化趨勢(shì)；B.BPI包含大項(xiàng)目數(shù)量指數(shù)（Big

Project

Quantity

Index,

BPQI）和大項(xiàng)目規(guī)模指數(shù)（Big

ProjectAmount

Index,

BPAI）；C.當(dāng)年BPQI

以上一年季度平均大項(xiàng)目數(shù)量為基期，基點(diǎn)為100；當(dāng)年BPAI

以上一年季度平均大項(xiàng)目市場(chǎng)規(guī)模為基期，基點(diǎn)為100；D.大項(xiàng)目數(shù)量指數(shù)（BPQI）代表市場(chǎng)機(jī)會(huì)發(fā)展水平；大項(xiàng)目規(guī)模指數(shù)（BPAI）代表市場(chǎng)需求發(fā)展水平。?

2019年城市智能交通市場(chǎng)投資機(jī)會(huì)同比稍有下降，整體降幅為2%；而市場(chǎng)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(xiàng)目數(shù)量指數(shù)（BPQI）市場(chǎng)投資機(jī)會(huì)（包）1401057035014011910085702018

2019.Q1

2019.Q2

2019.Q3

2019.Q4。大項(xiàng)目規(guī)模指數(shù)（

BPAI）市場(chǎng)投資規(guī)模（億元）數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說(shuō)明：分析基于賽文交通網(wǎng)智能交通市場(chǎng)專(zhuān)業(yè)數(shù)據(jù)；計(jì)算方法：BPQI

=（目標(biāo)季度千萬(wàn)級(jí)項(xiàng)目數(shù)量/上一年平均季度千萬(wàn)級(jí)項(xiàng)目數(shù)量）*100；

BPAI

=（目標(biāo)季度千萬(wàn)級(jí)項(xiàng)目市場(chǎng)規(guī)模/上一年平均季度千萬(wàn)級(jí)項(xiàng)目市場(chǎng)規(guī)模）*100；@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》33100892019年度智能交通領(lǐng)域十大關(guān)鍵詞?

根據(jù)2019年智能交通領(lǐng)域的熱點(diǎn)，選取交通強(qiáng)國(guó)、MaaS、智慧停車(chē)、自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)、交通運(yùn)輸大數(shù)據(jù)、撤站等十大具有代表性的行業(yè)關(guān)鍵詞進(jìn)行分析。?

根據(jù)百度指數(shù)搜索大數(shù)據(jù)分析結(jié)果顯示，網(wǎng)民最為關(guān)注的是自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)，在ADAS技術(shù)的基礎(chǔ)上，各大車(chē)廠(chǎng)紛紛推出加強(qiáng)版智能網(wǎng)聯(lián)車(chē)型，吸引購(gòu)買(mǎi)者。智慧停車(chē)

和交通強(qiáng)國(guó)也獲得網(wǎng)民較高的關(guān)注度。?

根據(jù)百度聲納網(wǎng)頁(yè)大數(shù)據(jù)分析結(jié)果顯示，媒體關(guān)注度最高的也是自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)，這與近兩年國(guó)家對(duì)自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)的政策推動(dòng)以及相關(guān)產(chǎn)業(yè)的快速發(fā)展有很大關(guān)聯(lián)。此外，智慧停車(chē)和交通強(qiáng)國(guó)也是2019年媒體較為關(guān)注的領(lǐng)域。智能交通領(lǐng)域十大關(guān)鍵詞網(wǎng)民關(guān)注度自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)

智慧停車(chē)

交通強(qiáng)國(guó)

撤站

MaaS交通運(yùn)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(lǐng)域十大關(guān)鍵詞媒體關(guān)注度自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)

智慧停車(chē)

交通強(qiáng)國(guó)

旅游交通

撤站交通治理

Maas數(shù)字交通交通運(yùn)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(shuō)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(yè)大數(shù)據(jù)；時(shí)間范圍：2019年。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》342019年度智能交通領(lǐng)域最受關(guān)注的民生內(nèi)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(guān)的十大民生問(wèn)題中，網(wǎng)民和媒體關(guān)注的TOP6都包含網(wǎng)約車(chē)、車(chē)駕管服務(wù)、違章抓拍、自動(dòng)駕駛、交通支付和交通信號(hào)控制。?

在最受網(wǎng)民關(guān)注的智能交通TOP10民生內(nèi)容中，車(chē)駕管服務(wù)位列第一，其次是網(wǎng)約車(chē)和違章抓拍，這些都是與公眾駕車(chē)出行息息相關(guān)的內(nèi)容。?

在最受媒體關(guān)注的智能交通TOP10民生內(nèi)容中，網(wǎng)約車(chē)位列第一，這與2019年國(guó)家對(duì)網(wǎng)約車(chē)行業(yè)的安全整頓以及激烈的行業(yè)市場(chǎng)競(jìng)爭(zhēng)有很大關(guān)系。媒體關(guān)注度第二和第三位的

分別是違章抓拍和自動(dòng)駕駛。車(chē)駕管服務(wù)

網(wǎng)約車(chē)違章抓拍

自動(dòng)駕駛交通信號(hào)控制

交通支付

智能停車(chē)

智能公交出行信息服務(wù)

ETC+交通智能交通領(lǐng)域網(wǎng)民關(guān)注度TOP10民生內(nèi)容網(wǎng)約車(chē)

違章抓拍

自動(dòng)駕駛交通支付

交通信號(hào)控制

車(chē)駕管服務(wù)

ETC+交通

智能公交智能停車(chē)

出行信息服務(wù)智能交通領(lǐng)域媒體關(guān)注度TOP10民生內(nèi)容數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說(shuō)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(yè)大數(shù)據(jù)；時(shí)間范圍：2019年。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)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(jì)算+交通

5G+交通智能交通領(lǐng)域最受網(wǎng)民關(guān)注的智能交通技術(shù)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(jì)算+交通

MaaS智能交通領(lǐng)域最受媒體關(guān)注的智能交通技術(shù)2019年度智能交通領(lǐng)域最受關(guān)注的智能交通技術(shù)?

伴隨著5G、人工智能、云計(jì)算、區(qū)塊鏈等新興技術(shù)的不斷應(yīng)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(duì)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(jì)算+交通、MAAS、大數(shù)據(jù)+交通、區(qū)塊鏈+交通這8類(lèi)最受關(guān)注的智能交通技術(shù)進(jìn)行統(tǒng)計(jì)分析，結(jié)果顯示：1.8類(lèi)最受關(guān)注的智能交通技術(shù)中，網(wǎng)民最為關(guān)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(chē)/車(chē)駕管/信號(hào)控制等，還包含了自動(dòng)駕駛/智能網(wǎng)聯(lián)汽車(chē)。2.

媒體對(duì)新興技術(shù)的嗅覺(jué)更為靈敏，隨著5G的大力普及，媒體最關(guān)注5G與交通的結(jié)合，包含5G+自動(dòng)駕駛、5G+車(chē)路協(xié)同、5G+車(chē)聯(lián)網(wǎng)等。數(shù)據(jù)分析：賽文交通網(wǎng)；數(shù)據(jù)說(shuō)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(yè)大數(shù)據(jù)；時(shí)間范圍：2019年。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》36城市交通安全問(wèn)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(lèi)型下事故的影響稍有差異，節(jié)假日的影響相對(duì)較大，事故后擁堵更嚴(yán)重，

速度減小更多。早高峰時(shí)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(shí)間。交通事故對(duì)道路擁堵?tīng)顩r有多大影響？?

早晚高峰出行，廣大車(chē)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(duì)道路擁堵?tīng)顩r到底影響幾何？東南大學(xué)交通學(xué)院聯(lián)合百度地圖，基于國(guó)內(nèi)某城市的百度交通大數(shù)據(jù)，進(jìn)行了深入分析：數(shù)據(jù)說(shuō)明：選取事故前后15min內(nèi)的交通擁堵參數(shù)分析，比較不同情形下事故對(duì)擁堵影響。

數(shù)據(jù)來(lái)源：百度地圖交通大數(shù)據(jù)合作研究：東南大學(xué)交通學(xué)院、百度地圖。

@2020

Baidu

《

2019年度中國(guó)城市交通報(bào)告》

38算法說(shuō)明：事故對(duì)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(guò)

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(zhǔn)速度較大。當(dāng)降水量小于10mm（小雨）時(shí)，事故發(fā)生后速度明顯下降，擁堵指數(shù)明顯

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

數(shù)據(jù)來(lái)源：百度地圖交通大數(shù)據(jù)合作研究：東南大學(xué)交通學(xué)院、百度地圖。

@2020

Baidu

《

2019年度中國(guó)城市交通報(bào)告》

39交通事故對(duì)道路擁堵?tīng)顩r有多大影響？（續(xù)）算法說(shuō)明：事故對(duì)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?tīng)顟B(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(guò)來(lái)也對(duì)交通事故有影響？對(duì)交通事故與事故發(fā)生前的道路擁堵數(shù)據(jù)進(jìn)行深入分析，結(jié)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(shuō)明擁堵對(duì)事故的影響較大。擁堵情況下，由于車(chē)輛的自由行動(dòng)空間縮窄，若加之車(chē)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(shí)難以判斷早晚高峰擁堵對(duì)事故影響的相對(duì)大小。3.

工作日和節(jié)假日擁堵對(duì)事故的影響差別很小。算法說(shuō)明：擁堵對(duì)事故的影響以事故前15min內(nèi)交通擁堵指數(shù)與平日交通擁堵指數(shù)的比值來(lái)反映。數(shù)據(jù)來(lái)源：百度地圖交通大數(shù)據(jù)合作研究：東南大學(xué)交通學(xué)院、百度地圖。@2020

Baidu《

2019年度中國(guó)城市交通報(bào)告》40城市交通氣象問(wèn)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(gè)成份。低視覺(jué)能見(jiàn)度在交通事故的天氣誘因中充當(dāng)最主要角色?

為了解各天氣因素對(duì)交通事故的影響程度，分別對(duì)視覺(jué)能見(jiàn)度、路面溫度、氣溫、天氣現(xiàn)象進(jìn)行了主成分分析，旨在通過(guò)對(duì)原始數(shù)據(jù)標(biāo)準(zhǔn)化處理，來(lái)消除原始指標(biāo)的相關(guān)性對(duì)綜合評(píng)價(jià)所造成的信息重復(fù)的影響。通過(guò)對(duì)相關(guān)矩陣的觀察，發(fā)現(xiàn)各項(xiàng)指標(biāo)之間P值均小于0.05，具有強(qiáng)相關(guān)性，故適合采用主成分分析。但是通過(guò)查看主成分特征根和貢獻(xiàn)

率，發(fā)現(xiàn)僅提取了視覺(jué)能見(jiàn)度一個(gè)特征根(

λ1=2.605，方差貢獻(xiàn)率65.130%），

說(shuō)明視覺(jué)能見(jiàn)度在交通事故的4個(gè)天氣誘因中扮演了最主要角色。視覺(jué)能見(jiàn)度路溫氣溫天氣現(xiàn)象相關(guān)視覺(jué)能見(jiàn)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(cè))視覺(jué)能見(jiàn)度路溫氣溫天氣現(xiàn)象視覺(jué)能見(jiàn)度：是指人眼目視辨別目標(biāo)物輪廓的程度。KuWeather在傳統(tǒng)機(jī)器測(cè)量的能見(jiàn)度基礎(chǔ)上，加入了包括雨雪、氣溶膠、低光照等因素造成的對(duì)能見(jiàn)度的衰減機(jī)制，在原有能見(jiàn)度基礎(chǔ)上，更還原交通出行者的實(shí)際感受。數(shù)據(jù)來(lái)源：國(guó)內(nèi)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(jì)方差的%累積%合計(jì)方差的%累積%12342.605.78765.1

3019.667

1

1

.740

3.46365.13084.797