杭州早高峰几点到几点 早高峰上班提前多久？杭州：每公里多留2.09分钟

本来从家里到单位只要30分钟，但是因为意外的交通事故，意外的道路维护，临时交通管制等原因又迟到了。

这些外部因素给旅行带来了“不可靠性”，成为影响人们旅行体验的最重要因素之一。那么，为了应对这些“突发事件”，人们应该提前多久开始呢？这个看似无法解决的问题，已经被大数据解决了。

近日，滴滴出行和浙江大学交通工程学院发布了《中国主要城市交通可靠性分析报告》。利用滴滴出行的大数据，制定了一系列衡量交通可靠性的量化指标，并对全国40个一、二、三线城市的交通可靠性进行了分析和排名。

在这份榜单中，杭州以2.09的指数排名第21位，这意味着平均每公里要预留2.09分钟。也就是说，正常情况下从家到公司15公里需要30分钟的话，你可能要提前至少61.35分钟才能在高峰时间不迟到。

大数据量化了城市交通的可靠性，有助于“精确阻断”

什么是运输系统的“可靠性”？根据业内学者的定义，交通可靠性是指在一定时间段内，一定路段和区域内交通服务的一致性程度。

浙江大学交通工程研究所研究员陈锡群博士表示，城市道路系统往往受到随机因素的影响，给居民出行带来很大的不确定性。同时，随机因素降低了交通运行的可靠性，对城市交通功能的发挥和城市发展产生不利影响。简单来说，交通可靠性可以反映网点网络的拥堵波动，居民出行随时间和空的变化规律，随机因素对周边路网和整个城市路网的影响，以及特殊场所附近路网的交通状况。

在此之前，交通可靠性主要是通过出行者的体验来判断的，比如从家到公司一般需要多长时间，出行者一般都有一个基本的判断。但是这个时间是否准确，受流量可靠程度的影响。如果出门遇到交通事故或者遇到下雪天气，原本估计的出行时间可能会大大延长；如果路上事故少，这个时间可能会大大缩短。

如何量化交通可靠性？对此，陈锡群博士的研究团队结合滴滴大数据，将指定城市划分为1km×1km的正方形网格区域。每次旅行从旅行者所在的地区开始，到目的地时结束。例如，早上7: 30，一名乘客从他家所在的A区出发，最终到达他公司所在的D区。通过记录这次旅行，我们可以计算出乘客从A到D的旅行距离和花费的时间。借助滴滴大数据，可以计算出某段时间内A到D的所有乘客相关数据，然后扩展到整个路网上的多个区域，从而计算出路网的交通可靠性。

在此基础上，总结出5个量化指标:网络自由行程时间率、网络平均行程时间率和网络计划行程时间率，分别代表道路完全畅通时的每公里行程时间、平均条件下的每公里行程时间和保证按时到达目的地的每公里计划时间。通过这三个指标，研究人员总结出“网络缓冲出行时间率”及其指标NBTRI。两个值越高，对应的流量可靠性越低。

杭州每公里2.09分钟可以算出要预留多少时间出门

在人们的印象中，似乎城市越大，交通越拥堵，交通的可靠性越低。但是从这项研究的结果来看，情况并非如此。

以北京为例，道路完全畅通时，行驶1公里所需时间为2分钟；一般情况下，平均每公里2.83分钟；如果你想确保准时到达，每公里最多需要4.94分钟。该图显示，对于北京居民来说，为了保证能准时到达目的地，每公里需要额外2.11分钟。这意味着北京的NBTRI指数为0.74，在本研究的分类中只是“略不可靠”。

浙江大学交通工程研究所还对全国40个一、二、三线城市的交通可靠性进行了评估，发现哈尔滨、长春、济南的NBTR指数最高，说明交通可靠性较差，其中哈尔滨排名第一。居民要想准时到达目的地，每公里至少需要预留2.89分钟；交通可靠性最高的三个城市是三亚、苏州、威海，其中每公里只需要1.33分钟就能保证准时到达三亚。

杭州处于中间位置，指数2.09，意味着平均每公里要预留2.09分钟。

通过对比NBTR，你就知道提前多少分钟出门最靠谱。

看你的城市可靠性指数。

为什么东北两大重镇哈尔滨和长春名列前茅？对此，陈锡群博士认为，预计2015-2016年期间，这两个城市正在发展地下轨道交通，道路建设较多，导致地面道路通行能力下降；同时两个城市都是北方城市，冬季积雪多，使得路面结冰，道路通行能力降低，容易发生交通事故，也降低了交通可靠性。

这一次，陈锡群的研究小组进行了1公里乘1公里的网格分析，对城市较小地区的交通状况有了更微观的了解。对此，陈锡群博士认为，“智能交通”越来越多地应用于城市交通管理，利用大数据以更微妙的方式观察路网状况和居民出行感知的交通可靠性分析，可以为城市“精准拥堵控制”提供参考依据，为路网布局和规划提供决策支持。