大数据看出行 滴滴发布华北智能出行报告

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

如今,专车出行已经成为了人们生活中极其重要的一种出行方式,共享经济也成为了备受关注的一种全新的经济、生活模式。作为中国共享经济、智能出行的代表,滴滴出行在2016年上半年的最后一天与第一财经商业数据中心联合发布了《知道——华北城市智能出行大数据报告》,从大数据角度出发,深度解读了智能出行对华北城市的影响。

大数据看出行 滴滴发布华北智能出行报告

报告中显示,今年前五月,华北地区共有3,51亿人次使用打车软件智能出行,其中,北京、太原、天津三地智能出行渗透率居于前列。与之相呼应的是,今年前五月,华北地区打车王也“花落”北京。

作为华北地区智能出行的重镇,北京在该领域中的数据表现也十分具有代表性。因此,在此次的报告之中,北京也成为了标志性的数据来源城市。

报告以北京为例分析了智能出行平台对城市交通服务的改善。去年,罗兰贝格发布的《移动互联下的城市综合出行变革》报告显示,北京乘客路边扬招出租车时平均等车时间为11.9分钟。而在滴滴平台上,北京地区订单在10秒内被接单的比例高达87%,滴滴每天为北京市民节省21.8万小时的等车时间。

大数据看出行 滴滴发布华北智能出行报告

在众多的出行场景之中,上下班通勤可以说是核心情景之一。据滴滴平台大数据显示,北京地区上班族平均通勤距离达18KM,平均通勤时间达54分钟,成为华北地区"上班路最长最耗时"的城市。同时,北京地区毎天有27.8万人次的出行是来往于地铁和写字楼、商场和住宅之间,工作日早晚高峰期间有超过20%的订单行程起点或终点在地铁站500M服务区之内。

根据滴滴平台大数据就显示,北京五环外每天有78万人次智能出行,其中62%的出行起点或终点位于公共交通空白区域。而这行程中的“最后一公里”,也成为了智能出行为公共交通中的空白点所带来的补充。

随着滴滴深入城市末梢,填补公共交通空白点,北京周边的卫星城镇也得到了众多出行方式的便利。

报告数据显示,燕郊已经成为了环北京地区最活跃的卫星城。过去一年,燕郊郊成为中国名副其实的智能出行第一镇,大幅猛増的出行量也使得燕郊往返北京市中心城区的出行量也保持了高速增长。

尽管北京在出行领域里有着强大的运力有表现,但相对于更为庞大的出行需求,仍有大量出行需求并未得到满足,智能平台的出现则弥补了这一空缺。报告指出,当前智能出行平台每天能提供189万人次出行,这相当于提升现有出租车水平1.1倍。

在上周召开的第十五届中国互联网大会上,滴滴总裁柳青就在演讲中指出,目前我国的移动智能出行还有巨大市场空间。滴滴的目标并不是出租车出行里面找市场,而是要从私家车的市场里面转化到共享出行,通过技术手段把社会上所有资源整合在一起,满足共享出行的需求。

大数据看出行 滴滴发布华北智能出行报告

发布会现场,滴滴出行还和北京理工大学能源与环境政策研究中心联合宣布,双方已共建分享经济与行为能源联合实验室,以研究互联网+交通出行领域的节能减排问题。

来自北京理工大学管理与经济学院能源与环境政策研究中心副教授余碧莹也在现场与参会者分享了实验室的首个研究成果:根据目前北京、天津、石家庄三市的滴滴顺风车、快车拼车的用户渗透率和订单情况,经过测算,市民通过顺风车、快车、拼车出行,过去一年为三市减排26万吨二氧化碳,相当于851万顺树一年的二氧化碳吸收量。

余碧莹表示,滴滴出行拥有先进的互联网+交通领域技术与大量的数据,为此次研究提供了相应的技术与数据支持。在滴滴顺风车、滴滴快车拼车等分享出行方式在出现之后即获得可观的用户增长,这是一个非常值得关注的现象,而这个现象的背后,产生的环保效益也不容小觑。




原文出处:科技行者
转载请与作者联系,同时请务必标明文章原始出处和原文链接及本声明。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
存储 数据采集 监控
大数据技术:开启智能决策与创新服务的新纪元
【10月更文挑战第5天】大数据技术:开启智能决策与创新服务的新纪元
|
2天前
|
机器学习/深度学习 数据可视化 大数据
机器学习与大数据分析的结合:智能决策的新引擎
机器学习与大数据分析的结合:智能决策的新引擎
41 15
|
19天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
21天前
|
DataWorks 搜索推荐 大数据
聊聊DataWorks——这个一站式智能大数据开发治理平台
聊聊DataWorks——这个一站式智能大数据开发治理平台
48 2
|
4月前
|
运维 算法 数据可视化
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】2 方案设计与实现-Python
文章详细介绍了参加2021高校大数据挑战赛中智能运维异常检测与趋势预测任务的方案设计与Python实现,包括问题一的异常点和异常周期检测、问题二的异常预测多变量分类问题,以及问题三的多变量KPI指标预测问题的算法过程描述和代码实现。
80 0
|
2月前
|
机器学习/深度学习 人工智能 运维
智能运维:大数据与AI的融合之道###
【10月更文挑战第20天】 运维领域正经历一场静悄悄的变革,大数据与人工智能的深度融合正重塑着传统的运维模式。本文探讨了智能运维如何借助大数据分析和机器学习算法,实现从被动响应到主动预防的转变,提升系统稳定性和效率的同时,降低了运维成本。通过实例解析,揭示智能运维在现代IT架构中的核心价值,为读者提供一份关于未来运维趋势的深刻洞察。 ###
116 10
|
2月前
|
存储 数据采集 分布式计算
大数据技术:开启智能时代的新引擎
【10月更文挑战第5天】大数据技术:开启智能时代的新引擎
|
4月前
|
存储 人工智能 分布式计算
阿里云智能大数据演进
本文根据7月24日飞天发布时刻产品发布会、7月5日DataFunCon2024·北京站:大数据·大模型.双核时代实录整理而成
|
4月前
|
机器学习/深度学习 运维 算法
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
对2021高校大数据挑战赛中智能运维异常检测与趋势预测赛题的赛后总结与分析,涉及赛题解析、不足与改进,并提供了异常检测、异常预测和趋势预测的方法和模型选择的讨论。
128 0
【2021 高校大数据挑战赛-智能运维中的异常检测与趋势预测】1 赛后总结与分析
|
5月前
|
存储 分布式计算 数据可视化
ERP系统中的大数据分析与处理:驱动企业智能决策
【7月更文挑战第29天】 ERP系统中的大数据分析与处理:驱动企业智能决策
432 0