2023年高速公路服务区出行热度分析报告16月

前言PREFACE 联合发布单位： 支持单位： 报告编写顾问及成员： 目录CONTENTS 前 言 一、热度介绍⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯01 2023年高速公路服务区出行热度（1月～6月）⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯01 二、指标和算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯57 1. 日均驾车规划热度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯572. 人均驾车规划频次⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯573. 日均驾车出行活跃度⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯574. 驶入率⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯575. 全天拥堵延时指数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯576. 累计拥堵时长⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯57 （二）算法说明⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯58 1. 算法简述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯582. 权重分配⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯58 三、数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯59 （一）总体规模分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯59（二）各指标数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯611. 日均驾车规划热度数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯612. 人均驾车规划频次数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯633. 日均驾车出行活跃度数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯654. 驶入率数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯675. 全天拥堵延时指数数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯696. 累计拥堵时长数据分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯71（三）出行热度分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯741. 热度前十分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯742. 热度前百分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯75 四、分析结论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯79 （一）出行意愿高度集中于少数路线上的少数服务区⋯⋯⋯⋯⋯⋯⋯⋯⋯79（二）活跃热度偏低服务区占比较大⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯79（三）经济圈对服务区拥堵影响显著⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯80（四）区域间影响热度因素有所侧重⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯80（五）先天优势和后天优势共同发力⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯80（六）非前百的服务区省份特征较明显⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯80 五、 几点建议⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯81 （一）以新时期出行者需求为导向⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯81（二）积极打造并延续品牌效应⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82（三）稳基础、挖潜力、不跟风⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82（四）灵活运用大数据指导运营管理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯83（五）充分关注国家高速公路主线服务区发展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯83 热度介绍LIST RANKING >>> 《2023年高速公路服务区出行热度分析报告（1月～6月）》由中国公路学会、高德地图联合发布。数据统计时间从2023年1月1日至2023年6月30日。数据评价指标由日均驾车规划热度、人均驾车规划频次、日均驾车出行活跃度、驶入率、全天拥堵延时指数、累计拥堵时长6项构成。数据采集基于高德地图及行业浮动车，最终结果通过大数据挖掘技术结合交通算法及交通理论得出。以下是前1000名。 指标和算法METRICS AND >>>ALGORITHMSG （一）指标说明 结合高速服务区出行热度评价范围和大数据采集客观现实，本报告的数据评价指标由以下6项构成。 1. 日均驾车规划热度 平均每天驾车路线规划到达服务区（有意愿到达并不一定实际到达）的人数，经过数据变形处理后，得出日均驾车规划热度。热度越高表示去往该服务区的出行意愿越强，各服务区自身及相互之间指标具有可比性。 2. 人均驾车规划频次 平均每人驾车路线规划到达服务区的次数，即驾车路线规划总次数/总人数。 3.日均驾车出行活跃度 平均每天服务区内部道路的车流量（即实际在服务区停留的车辆数），经过数据变形处理后，得出日均驾车出行活跃度。目前，全国高速服务区日均驾车出行活跃度的平均值约2112。活跃度越高表示在服务区停留的车辆越多，各服务区自身及相互之间指标具有可比性。 4. 驶入率 驶入服务区道路的车流量占驶入前道路总车流量的比例。 5. 全天拥堵延时指数 拥堵延时指数=实际旅行时间/自由流（畅通）状态下旅行时间，即实际出行时间相比自由流下出行时间的倍数。例如：自由流下A到B花费1小时，而当前驾车出行用了2小时，那么当前拥堵延时指数就是2。指数数值越大表示出行延时越高，反映出行延误程度。全天拥堵延时指数表示驶入服务区前高速公路一定范围内道路0～24小时的拥堵延时指数。 6.累计拥堵时长 服务区上游高速路段处于拥堵状态（拥堵延时指数大于等于2.0）的累计小时数。 （二）算法说明 1. 算法简述 本报告基于CRITIC法确定评价指标权重，CRITIC法是一种客观赋权法，利用指标间的冲突性和对比强度确定其权重值。考虑指标变异性大小的同时兼顾指标之间的相关性，并非数字越大越说明重要，而是完全利用数据自身的客观属性进行科学评价。 同时，采用TOPSIS正负理想解的计算进行排序，最终评分结果代表各服务区指标与理想值之间的接近程度；服务区出行热度越高说明离理想值越近，服务区出行热度水平越高；得分越低则说明多项指标距离理想值越远，相对水平越低。 2. 权重分配 结合CRITIC法计算得出各项指标的权重分配，见下图。 数据分析DATA >>>ANALYSIS （一）总规模分析 本报告数据样本来源于高德地图7.7亿活跃用户5，数据覆盖全国32个省级行政区（除台湾省和澳门特别行政区）已开通运营的7692个高速公路服务区（不含加水站、单一加油站），其中东、中、西部6各为2258个、2053个和3381个，各省份数据见表1，分别占比29.36%、26.69%和43.95%，见图1。 TIPS >> 5. 由QuestMobile发布的《2023中国移动互联网半年大报告》数据显示，截止2023年6月，移动互联网月活用户为12.13亿。2023年二季度高德地图月均活跃用户达7.7亿，位列地图导航行业第一位。6. 此处对于东、中、西部划分中西部的认定依据为2000年国家制定西部大开发中享受优惠政策的范围，同时考虑到香港的区位，故东、中、西部分别为：东部地区12个省级行政区，包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南、香港；中部地区8个省级行政区，包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区12个省级行政区，包括四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。 （二）各指标数据分析 1. 日均驾车规划热度数据分析 从单一服务区需求预期角度，该指标数据显示半年内59.75%的高速公路服务区有意愿驾车进入的热度小于1007，其中又以50以内为主，占所有服务区的41.84%。而半年内有意愿驾车进入的热度超过500的高速公路服务区仅占10.01%，这意味着广大出行者有意愿进入的服务区主要集中于少数热点服务区，见图2。而这里的热点可能是由服务区的交通区位优势、经济区位优势、周边资源禀赋和自身功能配置等一系列因素引发的。 从省级数据角度，通过各省份日均驾车规划热度数值分析，不同省份间日均驾车规划热度数值差距明显：最高的江苏省，单位服务区日均有意愿前往的热度值为485；而最低的西藏自治区，单位服务区日均仅为28，见图3。 TIPS >> 7. 数据经过变形处理，不是指绝对人数，而是指热度值（编者加）。 同时，有15个省份的日均驾车规划热度数值在全国平均水平191之上，17个省份低于全国平均水平。在高于平均水平的省份中，东部省份占比56.25%，而低于平均水平的省份中，西部省份占比62.50%，见图4。 在东、中、西部区域内，人们对75.00%的东部省份服务区的出行规划意愿高于全国平均水平，同时人们对83.33%的西部省份的规划意愿低于全国平均水平，见表2。 可见广大出行者对于不同省份高速公路服务区出行意愿的差异主要来自于经济社会发展水平、区位优势的不同，人们对东部经济发达地区的出行需求或者是东部经济发达地区内部的出行需求明显更为旺盛。这与区域的经济要素的流动活性、要素资源配置集聚、汽车保有量等因素有着密切的关联。 2.人均驾车规划频次数据分析 数据显示，半年内94.25%的出行者有意愿进入某一特定高速公路服务区的平均次数在2次以内，超过2次的仅占5.75%，见图5。 从各省数据分析，不同省份间人均驾车规划频次数值差距不大，最高的安徽省，今年1月至6月间对于单位服务区人均规划的次数为1.84次，而最低的香港也有1.32次。同时，高于和低于全国平均水平1.73次的省份均为16个，见图6。 高于全国平均水平的省份中，东、中、西部省份分别为43.75%、31.25%、25.00%，低于全国平均水平的省份中，西部地区占比达到50%，见图7。 在东、中、西部各区域内，62.50%的中部省份和58.33%的东部省份高于全国平均水平，66.67%的西部省份低于全国平均水平，见表3。 3.日均驾车出行活跃度数据分析 基于高德地图数据样本，相关数据显示，进入我国高速公路服务区的日均驾车活跃度主要集中于2000以内8，占比超过全国服务区的六成。截至目前，全国高速服务区日均驾车出行活跃度的平均值为2112。其中，又以低于1000为主，占比42.36%，而日均车辆数高于3000以上的服务区占比累计为24.40%，可见我国高速公路服务区中，大部分的服务区驾车活跃度都较低，见图8。 TIPS >> 8. 数据经过变形处理，不是指绝对车辆数，而是指热度值（编者加）。 从各省份数据看，我国高速公路服务区日均驾车活跃度均值为2112，低于这一平均水平的省份有17个，高于这一水平的省份的有15个，其中高于3000的7个省份中又以东部经济最为发达的江苏和浙江遥遥领先于其他省份，剩余5个省份中安徽、江西、湖南、河南均位于中部，是中部地区中经济条件较好且过境交通量较大的省份，见图9。 在高于全国平均值的15个省份中，东部省份占比为53.33%，东部12个省份中高于全国平均水平有8个，占比2/3。可见，这一指标直接反映了各地的经济社会发展水平，见图10。 在东、中、西部各区域内，东部省份中有66.67%高于全国平均水平，而在西部仅有16.67%，见表4。充分显示出该指标是受经济社会发展程度影响最明显的指标之一，它直接反映了经济社会的发达程度。 4.驶入率数据分析 在分析驶入率数据之前，应注意的是，该指标数据是基于高德地图用户样本量得出，我国高速公路服务区驶入率还要低于以下数字9。 数据显示，我国高速公路服务区车辆的驶入率主要集中于10.00%～24.99%区间的，累计占比59.01%，其中15.00%～19.99%、20.00%～24.99%、10.00%～14.99%占比分别为20.92%、19.21%、18.88%；其次为低于10.00%和25.00%～29.99%的区间，占比分别为15.13%和12.77%；超过30.00%区间的累计为13.09%，见图11。 TIPS >> 9. 该指标数据计算的分子、分母均基于高德地图样本量计算得出，由于样本渗透的差异性，以及不同区域、不同时段渗透率不尽相同等原因，或存在部分服务区驶入率与真值有偏差的情况。 从各省份数据看，我国高速公路服务区驶入率的平均值为19.23%，高于这一平均水平的省份均为15个，见图12。 在高于全国平均值的15个省份中，中部省份占比最大，为46.67%，低于全国平均值的17个省份中，