靠数据应用，互联网公司能解决城市拥堵吗？

最近半个月经常穿越半个北京往返望京，总体感觉是：对北京的交通已经濒临绝望——说好的早晚高峰停车场，现在基本是全天候停车场。

前两天滴滴出行发布了一个《中国智能出行大数据》报告，把很多对交通感性的认识提升到了一个数据理论层面，第一时间研究了下，总体感觉是：比没看还恐怖。

先说说为啥更关注滴滴的数据而不是百度、高德等的地图数据呢？因为滴滴上都是实打实的消费数据，再加上覆盖了3亿乘客、1000万司机，再加上自身就是重度用户，所以无论是质量、数量还是体验上，都更让我信服一些。

从场景上来说，地图应用打开才有数据，关闭就没有，而且跨城数据也不少。而滴滴的数据场景更加连贯、真实、全面。

《大数据时代》这本书去年很火，说的是在互联网时产生越来越多的数据同时，传统的抽样调研已经失去意义，大数据包括：

1）是全部数据而不是随机数据；2）强调混杂而不是追求精确；3）数据之间是相关性而不是因果性，所以对于分析结果，应该多去利用数据与技术带来思维模式。

无论这本书的民间评价如何，但我觉得它反映出的几个特性的还是很适用于当下的商业与消费行为，滴滴的出行报告所展现出的结果，正是将大数据的基础的部分细分数据导出，相当于千千万万个「你」一同参与的一次年度调研。

数据反映了什么？

之所以有了「看了后更恐怖」，是因为数据报告里面显示，北京19.2公里的通勤距离以及52分钟的平均耗时，排在全国第一，如果你觉得这个没什么的话，在来看看除了时间还有什么损失——按照北京日均工资乘以延时时间，交通拥堵每年造成每人每年7972元的损失，这还只是平均工资（我查了下大概300多），这也意味着你的收入越高，时间越宝贵，损失的金钱也就越多……

这背后是北京2000多万的常住人口以及500多万辆的机动车……去年12月的一场大雪，当日北京市对滴滴的呼叫超过了100万次，创下历史最高，要知道，在全球最大城市纽约，一天的出租车呼叫量也就12万单而已，是当日北京的1/8……实在是「Too young」，另有数据显示，北京每天出行一个小时当中，有32分钟是堵车时间。

不过，根据出行报告的数据，北京还算不上最拥堵的，在这个指标上，重庆、青岛与广州拿下了前三名，其中重庆的拥堵指数比位列第四的北京还高出了一截，不知道重庆人民的心理阴影面积如何……总体数据显示，全国平均出行速度最慢的时间点出现在下午17时左右，速度是20km/h，也就是说，这时候开车出门，每分钟仅能挪动300多米。

另外有个数据很有意思，在滴滴的「顺风车」功能中有个免单选项，要是车主与乘客聊开心了，不好意思收费也就免单了，异性之间特别的实用，有点向社交属性进击的意思，从报告里面能看到，去年的免单总量达47.5万，后半夜是免单几率最高的时间段，更重要的是，女性车主的免单量居然达到了男车主的1.4倍，免单量然后排在前三位的成为南昌、东莞和温州……它似乎说明了二线和……夜生活丰富的城市间，人与人的关系更为紧密，此外，免单的车主中有一半的80后车主。

再换个维度，通过各家公司为起始地的订单，也能看到哪些公司更爱加班，这个给正在找工作的同学，你们要注意了……数据显示，互联网公司中，奇虎360的平均下班时间是晚上8点35，排在第一，随后是阿里巴巴、京东、百度、腾讯等，基本都在晚8点以后，与之对比，金融行业的下班高峰在17:00-18:00，能源和互联网行业的下班高峰从17:00一直持续到22:00，差不多是回家最晚的行业。

这类比较有意思的数据在报告中还有很多很多，比如夜生活最丰富的地方是深圳和广州，北京人比天津人晚上班半个小时（估计是堵在路上呢），赶上雾霾什么的，周末出行的需求要大幅下降了10%等。

事实上，已经成为全球最大出行平台的滴滴在去年完成14.3亿个订单，几乎等同与每个中国人「滴」过一次车，1000万车主与司机累计行驶了4.9亿小时，累计行驶里程128亿公里，相当于环绕中国29万圈，在这些大数据下，我们看到了上述五花八门的数据。

不过，隐藏在这些数据背后，还有着不少我们无法直观看到的。

数据没反映什么？

是什么造成的道路拥堵？这个简单问题背后有着很大学问，多重原因综合得来的结论就是，国内的「车均」道路太少，比如美国一辆车拥有的车均道路是50平米，在北京是31平米，因为车所拥有的道路比少，拥堵随之产生。

这种情况下，所谓的「智能」出行也就显得具价值——它相当于尝用共享经济的模式，以大数据的核心，通过多重具体方式去指导出行，以滴滴为例，反馈在产品端，它是呼叫出租车、快车、专车、顺风车、巴士等多个选项，后台大数据起到作用包括路况的判断分配订单量、通过动态调价的方式让减少不是特别着急用户的订单、通过实时路况绕开拥堵路况，以及更底层算法的优化与匹配等。

总之，大数据核心竞争力在于像心脏一样，输送全身血液——信息的流动、反馈，应用都在产品中发挥着巨大价值，从这个意义上来，数据体现出前景，要远比单纯的做用户与司机之间的桥梁更具有价值，它的核心早已经不在是「打车」，而是更聪明「出行」，所以，「滴滴打车」甚至把名字都改成了「滴滴出行」。

那么，滴滴的想如何改善交通，如何去做「智慧出行」呢？

一方面，滴滴从硅谷挖掘高端人才，成立了机器学习研究院，以目前3亿量级用户，1000万的车主为源，以及每天沉淀的50TB量级的数据，从而更精确的找到中国解决拥堵的落地措施。除了基于产品以及运营策略的改善之外，还做了一个交通领域的「滴滴指数」，即把重点城市、省份以及滴滴有服务的地方把交通数据共享出来，与官方部门一同规划交通发展，要知道——光有数据、想法，而没有相关的执行权，也是于是无补。

第二，滴滴希望通过大数据，发现车主与乘客的需求所在，从而找到提高运力的方法，比如在北京大雪这种恶劣天气环境下，滴滴就已经起到了很大的作用，通过多种方式把有效的运力调动起来，更重要是，这些运力并没有造成城市居民生活的负担，甚至让不少人成为了「专职车主」，即双向满足的交通与用户的需求。

除了事后安排之外，滴滴数据还强调预测，利用历史数据推测热点供需区域，进而提前引导司机的行进轨迹。

事实上，现有商业公司能做到更多是通过分享，让一辆车带更多人，让闲置的车辆都有效利用起来，从而增加出行车辆的道路面积，提高效率减少拥堵，所以无论是滴滴还是其他专车公司，其目标其实是一致的，但具体实践起来，用户量大，订单多，覆盖面广的企业显然拥有的数据后的更高主动权。

我相信，依靠数据的有效应用，在一定程度上是完全可以缓解城市拥堵的，而要想获得更多的出行自由，则并非是滴滴等公司所能触及——政府官方层面是时候多去拥抱互联网了。

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。