前沿拓展：

保定熱線違章查詢

在百步也可以查詢。或是河北**交管網都行。

近日，百度地圖發布了《2018年度百度交通報告》，該報告由百度地圖聯合清華?學數據科學研究院交通?數據研究中?、東南?學交通學院、深圳市都市交通規劃設計研究院、 賽?交通?、?島特來電新能源公司、百度阿波羅平臺、百度研究院商業智能實驗室、百度聲納、百度指數、百度百科及百度數說聯合編寫。該報告選取了**100個主要城市，通過?數據客觀反映城市的交通擁堵、居?通勤、居?出?、公共交通、交通與環境、綠?出?和智能交通市場的狀況。

本期的智能內參，我們推薦這份《2018年度百度交通報告》， 通過?數據客觀反映城市的交通擁堵、居?通勤、居?出?、公共交通、交通與環境、綠?出?和智能交通市場的狀況 。如果想收藏本文的報告全文（ 2018年度百度交通報告），可以在智東西號回復關鍵詞“nc319”獲取。

城市交通擁堵狀況

2018年第4季度，哈爾濱超過北京位列全國百城擁堵榜單?位，通勤?峰擁堵指數環?第3季度上升3.28%。北京和重慶分列擁堵榜單第?位和第三位。

▲城市交通擁堵狀況

2018年第4季度，擁堵緩解TOP10城市中，上海、清遠、?春位列前三位，其第4季度通勤?峰擁堵指數環?分別下降10.41%、9.03%和7.30%。其中，上海通勤?峰期的擁堵緩解程度最?，百城擁堵排名跌出前10，緩堵成效顯著。?春擁堵程度緩解也相對較?，其通勤?峰擁堵指數環?下降7.30%。 擁堵加重TOP10城市中，烏魯??、**、衡陽位列前三位，其第4季度通勤?峰擁堵指數環?上升25.17%、12.87%和11.35%。

▲ 擁堵緩解排名

▲ 擁堵加重排名

百度根據城市交通擁堵綜合評價體系構建了“城市交通擁堵六維特征畫像”。

▲城市交通擁堵六維特征畫像

根據這個定義，得到各城市的六維特征如下：

▲汽?保有量超300萬級典型城市六維特征畫像

▲汽?保有量超200萬級典型城市六維特征畫像

▲汽?保有量超100萬級典型城市六維特征畫像

▲汽?保有量低于100萬級典型城市六維特征畫像

嚴重擁堵持續時間，是指?作?通勤?峰期間全路?處于嚴重擁堵狀態的平均累計時間，?以評估路?中嚴重擁堵狀態的時間持續程度。 根據六維特征畫像 ，嚴重擁堵狀態時間排名如下：

▲ 嚴重擁堵持續時間

嚴重擁堵路段?程占?，是指?作?通勤?峰期間，城市路?中發?嚴重擁堵的路段?程與路?總?程的?例，?以評估路?中嚴重擁堵狀態的空間蔓延程度。 根據六維特征畫像 ，嚴重擁堵路段?程占?排名如下：

▲ 嚴重擁堵路段?程占?

區域間擁堵不均衡系數，是指?作?通勤?峰期間，城市路?中不同?格區域擁堵指數的離散程度，?以評估路?中不同區域的交通擁堵差異程度；根據六維特征畫像 ，區域間擁堵不均衡系數?排名如下：

▲ 區域間擁堵不均衡系數

在汽?保有量100-200萬的城市中，哈爾濱、廊坊、?華的區域間擁堵不均衡系數分別為0.23、0.17和0.09。哈爾濱路?的區域間擁堵差異程度最? 。

▲ 哈爾濱、廊坊、?華的區域間擁堵不均衡系數

?峰?速波動系數，是指?作?通勤?峰全路?平均?速的離散程度，?以評估不同?期間?峰期間全路?平均運?速度波動程度。

▲?峰?速波動系數

?峰?速波動程度，?般受到不利天?、道路施?、?型活動、交通管理政策實施等因素的影響。

▲幾大城市高峰?峰?速波動程度

通過對常發性嚴重擁堵路段?程占?和嚴重擁堵路段?程占?的回歸分析，發現?者呈現較強的正相關。通過對區域間擁堵不均衡系數和?峰擁堵指數的回歸分析，發現?者呈現較強相關性，即當城市總體較為擁堵時，各區域間的擁堵程度差異也較?。

▲常發性嚴重擁堵路段?程占?與嚴重擁堵路段?程占?

▲區域間擁堵不均衡系數與?峰擁堵指數

城市居民通勤狀況

城市居?的就業地和居住地距離過遠所造成的不均衡（以下簡稱職住分離）是造成城市交通擁堵的重要原因之?。量化城市職住分離狀況，洞察背后成因，再通過城市?地布局優化調整等?段來減少通勤交通壓?，對于從源頭上緩解擁堵?關重要。在城市交通規劃中，?般使?過剩通勤指數來衡量城市職住分離的嚴重程度，過剩通勤指數=（實際平均通勤距離-理論最?通勤距離）/實際平均通勤距離。其中，理論最?通勤距離為在不改變?前城市結構的前提下，居?居住與就業最優組合下的通勤距離最?值。對全國百城過剩通勤指數分析顯示：

A. 沈陽、?安、重慶三個城市的職住分離程度最為嚴重，位列前三；

B. ?線城市北、上、?、深的職住分離程度依次減弱，北京最為嚴重。此外，與常規認知不同的是，?線城市的職住分離現象并?是最嚴重的；

C. 中?、東莞、佛?三個城市的過剩通勤指數位列最后三位，表明這三個珠三?城市的職住均衡性最好。

▲過剩通勤指數

部分同等規模的城市，其過剩通勤指數差異較?，該結果可以?于指導相同主城區規模城市的城市規劃和交通規劃的改進?向。例如，唐?的?政區?積只?肇慶?0.08%，中?城區?積只?肇慶?0.8%，但唐?的過剩通勤指數卻?肇慶?55.3%。

▲唐?和肇慶過剩通勤指數差異

過剩通勤指數與通勤?峰擁堵指數呈較強的正相關，表明平均意義上，城市的職住不均衡現象越嚴重，該城市越傾向于擁堵。

▲過剩通勤指數與通勤?峰擁堵指數的相關性

“單程平均通勤時間”和“單程平均通勤距離”可以作為表征城市通勤成本和職住分離狀況的指標，即?作?早晚?峰上下班單程平均?程時間和距離。

在平均通勤距離??，?線城市平均通勤距離最?；在平均通勤時間??，?線、新?線以及?線、三線及四、五線的平均通勤時間均值依次遞減；

過剩通勤指數與?政區單程平均通勤距離呈較強的正相關，表明城市的職住不均衡現象越嚴重，居?的單程平均通勤距離就越?。

中?城區范圍的單程平均通勤距離和時間??政區范圍的對應值要?，主要是因為以中?城區范圍統計時，存在很多從遠郊區縣?距離通勤到中?城區上班的?群；但是以?政區劃范圍統計時，由于包含了?量在中?城區外圍衛星城內部通勤的?群，客觀上就會整體拉低平均通勤距離和時間。

▲各類城市平均通勤距離及平均通勤時間

▲過剩通勤指數與?政區單程平均通勤距離相關性

四??線城市均呈現“錢多離家相對遠、錢少離家相對近”的特征：四城市?收?群體通勤距離?于10km的?例為低收?群體該?例的1.4-2.1倍，四城市低收?群體通勤距離?于3km的?例為?收?群體該?例的1.8-2.1倍。

▲一線城市通勤距離和收入的關系

?線城市不同程度地表現出“錢多離家相對近”的特征：以?家莊市、保定市、徐州市為代表的近半數?線城市，通勤距離總體呈現“?收?群體略?于中?收?群體”的態勢；

“錢多離家相對近”的特征在三線及以下城市相對更顯著：所有被統計城市，中?收?群體通勤距離10km以上的?例均超過?收?群體；超過半數的被統計城市，中低收?群體通勤距離10km以上的?例均超過中?收?群體。

▲二線城市通勤距離和收入的關系

城市居民出行狀況

通過分析城市居?出??的地，可以深度理解居??常活動模式，幫助優化城市區域功能設計，提升城市交通規劃和管理?平。將出??的地（包括市內出?和跨城出?）按照功能劃分為 4 ?類 15 ?類，分析結果顯示：

A、?作商務和休閑娛樂類出?占?總和達到了70.65%，是居??常出?的主要?的。其中商務?作類出?占?達39.31%，在所有出?類別中占?最?，這也與居??作?和節假?主要?活內容相吻合；

B、?常?活類出?的具體?的較多且分布較分散，其中前往教育培訓類?的地的出?占?較?，達到6.14%。另外，前往運動場所的出??例僅占1.03%，**應更多地引導和宣傳提升居?運動和健身意識，修建更多的運動和健身場館；

C、前往旅游景點類?的地的出?僅占整體出?的4.64%，有較?提升潛?。**和相關企業可以更多地引導和?勵旅?出游，從?進?步提升居??化休閑?平，提振內需、促進經濟發展。

▲ 城市居?整體出??的地分析

通過分析不同發展?平城市的居?市內出??的地分布，可以更好地理解不同發展?平城市的居?出?的主要需求，結果顯示：

A. ?線、新?線、?線城市前往公司企業、寫字樓、?化傳媒和運動健身類?的地?例較?，這反映了?線、新?線城市居?對精神?活和身體健康的關注，同時也花費了更多的精?在?作相關出?上。

B. 與之相對，三線、四線城市居?前往麗?、休閑娛樂、旅游景點、購物、?活服務和美?類?的地?例較?，這反映了三線、四線城市居??作和?活平衡性更好，有更多的時間進?休閑娛樂。

▲市內出?中各品類?的地到訪?群所在城市等級分布

通過分析不同發展?平城市的居?跨城出??的地分布，可以更好地理解不同發展?平城市的居?出?的主要需求，結果顯示：

A. ?線、新?線城市跨城出?前往?化傳媒、運動場館、寫字樓和公司企業類?的地?例較?，這反映了?線、新?線城市跨城出??的主要是為了?化?活和商務?作。

B. 三線、四線城市居?跨城出??的地更多地集中在購物、麗?、旅游景點和教育培訓類?的地，這反映了三線、四線城市居?的?常娛樂需求進?步外溢，這可能是跨城出?的主要驅動?。

▲跨城出?中各品類?的地到訪?群所在城市等級分布

通過分析百度地圖出??數據，北、上、?、深居?出??的地呈現整體分布趨同，個別品類有差異的現象：

A. 深圳居?去往公司企業類?的地?例最?，這反映深圳居?以?作為?的的出?最多。

B. 交通樞紐類?的地中，北京和?州居?出??例較?，這也與北京和?州分別為南、北?兩?交通樞紐的**相吻合。

C. 購物類?的地中，?州和深圳居?出??例?于北京和上海，這反映了?州和深圳居?有更強的消費需求。

D. ?化傳媒類?的地中，深圳居?出?占?低于其他三個城市，這客觀反映了經濟特區深圳與歷史?化名城北、上、?在?化發展上還存在?定差距 。

▲?線城市居?市內出?前往各品類?的地分布

與市內出??的地相?，北、上、?、深居?跨城出??的地呈現如下特點：

A. 從跨城出?絕對次數來看，?州居?跨城出?次數遠?于其他三個城市，?深圳居?跨城出?次數最低。

B. ?州居?去往購物和美?類?的地?例遠?于其他三個城市，這也側?印證了?州居?“?在?州”、“玩在?州”的?活寫照。

C. 深圳居?去往購物、美?、休閑娛樂類?的地?例也?于北京和上海，這可能是因為珠三?城市群更?程度的?體化。此外，深圳居?跨城出?主要?的地依然是公司企業，與整體出?分布?致。

▲ ?線城市居?跨城出?前往各品類?的地分布

距離是影響居?出?的重要因素。通過百度地圖?數據分析，居?出??的地?多在?公?以內（超過70%）。其中：去往?活服務類（如麗?等）和休閑娛樂類（如美?等）?的地的平均出?距離更短，這主要是因為美?和購物等?的地數量較多且分布均勻，具有可替代性，居?可以?主選擇較近?的地； ?去往旅游景點、?化傳媒和交通樞紐的出?分布與距離關系不?，主要是因為這?類?的地數量有限且較難替代。

城市公共交通狀況

公共交通（含公交和地鐵）出??程包括乘??程及全程兩端步??程。?線、新?線及?線城市公共交通出??程以20-30公?占?最?，三線、四線及五線城市公共交通出??程以2-3公?占?最?。在各個范圍內的城市公共交通出??程分布中，2-3km內四五線城市?例最?，三線城市其次；10-12km內?線城市?例最?，三線城市其次；20-30km內?線城市?例最?，?線城市其次 。

▲各類城市公共交通出??程分布

▲各類城市公共交通出??程累計分布

公共交通出??時包括地?公交及地鐵出?到站步?時間+乘?時間+換乘時間+離站步?時間。 ?線、新?線城市的公共交通出?平均?時為50.2分鐘，沈陽公共交通出?平均?時最短，為44.1分鐘，東莞的公共交通出?平均?時最?，為63.4分鐘，相差19.3分鐘。?線城市的公共交通出?平均?時為52.7分鐘，廈?的公共交通出?平均?時最短，為42.2分鐘；南通的公共交通出?平均?時最?，為67.7分鐘，相差25.5分鐘。

▲?線、新?線城市公共交通平均?時

▲ ?線城市公共交通平均?時

公共交通站點步?距離（數值為到站步?距離和離站步?距離的均值）可以側?反映公共交通站點的可達性，公共交通站點步?距離越?，站點可達性越?。各類城市公共交通站點步?距離在各范圍內的分布中，?線、新?線、?線城市在800?以內范圍占?更?，?三線城市和四、五線城市在800?以上范圍占?更?。從結果可以看出，三、四、五線城市需重點加強公共交通站點覆蓋。各類城市的公共交通出?站點平均步?距離，按照?線、新?線、?線、三線及四、五線城市的順序遞增，這也側?反映了較發達城市公交站點的建設密度相對更?。

▲ 各類城市公共交通站點步?距離分布

▲各類城市公共交通出?站點平均步?距離（m）

在?線、新?線城市中，公共交通出?站點平均步?距離深圳最短，為436?，鄭州最?，為567?。在?線城市中，公共交通出?站點平均步?距離廈?最短，為465?，溫州最?，為673?。

▲?線、新?線城市公共交通出?站點平均步?距離（m）

▲?線城市公共交通出?站點平均步?距離（m）

公共交通出?平均換乘步?距離： 每次有換乘的公共交通出?平均需要的換乘步?距離，多次換乘則為各次換乘步?距離之和。

公共交通出?平均步?距離： 使?公共交通出?，從出發點到?的地之間需要步?的平均距離（包含到站步?距離+換乘距離+離站步?距離）。 隨著城市等級的下降，公共交通出?平均換乘步?距離下降，但平均步?距離卻在增加。原因可能是：?線、新?線、?線城市?量的道路**分隔、道路紅線寬度普遍過寬、?型樞紐換乘步?距離過?、換乘次數較多等原因造成換乘總體步?距離過?，?三、四、五線城市雖然換乘步?距離較短，但公共交通站點數量偏少，到站和離站步?距離偏?導致市?出?整體步?距離過?。建議?線、新?線、?線城市在優化公共交通出?服務時，以縮短換乘距離為優化重點，三、四、五線城市則以增加站點覆蓋為主。

▲?線、新?線城市平均換乘步?距離排名

公共交通站點平均覆蓋居住及崗位?數，是地?公交或軌道交通站點周邊?定范圍內覆蓋的居住及崗位?數之和；?個城市的站點平均覆蓋居住及崗位?數是指整個城市所有站點覆蓋居住及崗位?數的平均值。

截?2018年底已經開通地鐵的城市中，?州市軌道交通站點200?半徑平均覆蓋居住及崗位?數最多，約為12022?；貴陽市最少，約為3056?。兩圖對?可以看出，同?城市軌道交通站點周邊200?半徑覆蓋的居住及崗位?數普遍?地?公交站點?，說明軌道交通站點周邊?地利??般?較集約，但也有?些城市的軌道交通站點周邊覆蓋的居住及崗位?數偏低，原因可能是軌道的選線偏離??集聚中?，也可能是軌道交通站點周邊的開發不夠集約或開發尚未成熟。

▲地?公交站點200?半徑平均覆蓋居住及崗位?數TOP10城市

城市交通與環境問題

“??霧霾兩茫茫，霧霾天，?抓狂。”霧霾天?的發?對居?出?與交通運?造成了?定的影響，那么霧霾對道路擁堵到底影響?何？通過對2018年全國百城?象數據與交通路況數據進?關聯分析，得到如下結果：

A. 通過分析發現，絕?部分城市霧霾濃度和交通擁堵相關聯，霧霾導致平均?駛速度降低、交通擁堵指數增加；

B. 通過研究**百城?平均AQI（空?質量指數），?降?量與通勤?峰擁堵指數和實際速度（即擁堵速度）相關性分析結果顯示：6-8?份降?較多，相應的通勤?峰擁堵指數較?，實際速度較低，主要受降?天?影響；10-11?份AQI指數增?，降?較少，相應的通勤?峰擁堵指數增?，實際速度下降，主要受霧霾天?影響。

▲百城中霧霾與擁堵成正相關的城市

▲ 擁堵指數與AQI及降?量相關性

全國百城中?部分城市的霧霾與交通擁堵息息相關：???，霧霾會對?體健康、舒適度產?影響，使得乘客更傾向于?汽?出?；另???，霧霾也會直接對空?能?度產?影響，?擾駕駛?為，也較易導致交通事故多發，會加重擁堵。根據百度路況與?象數據，繪制了霧霾與交通擁堵狀況相關性全國百城分布熱?圖：

A. 霧霾與擁堵的相關性集中在經濟產業發達、??規模聚集、機動?保有量?的?中城市群；

B. ?三?地區霧霾與擁堵相關性最明顯。霧霾越?，通勤?峰擁堵越嚴重，實際速度（即擁堵?速）越?；進?造成惡性循環，擁堵越嚴重，機動?污染物排放越多，霧霾越?；

C. 京津冀、珠三?等地區霧霾與交通擁堵相關性也較?，這些地區也是區域性霾問題較嚴重的地區。

▲ AQI（空?質量指數）與擁堵指數相關性

▲ PM2.5與擁堵指數相關性

在秋冬季節，由于各種因素，??中?溶膠濃度?，更容易催?霧霾。并且此季節的污染物擴散困難，容易累積，這會進?步加劇霧霾天?的發展，甚?導致重污染現象。那么在霧霾更加嚴重的季節，其致堵的可能性是否會加?呢？霧霾與擁堵的相關性?如何變化呢？通過對?霧霾嚴重季節與前述的4-11?期間總體相關性圖可以發現：

隨著霧霾加劇，擁堵也越嚴重。相關性的提?說明霧霾對擁堵影響更?更為顯著。京津冀地區、?三?等??密度?、發展快速的地區變化最明顯，致堵可能性顯著提?，霧霾與擁堵共發性更加?致。可?，掌握秋冬季節霧霾的變化對于預測交通客流出?規律、執?交通管理調度有重要意義。

以北京2018年11?26-27?嚴重霧霾期間的擁堵和霧霾關聯關系分析為例：因擁堵指數與擁堵速度相較于AQI、PM2.5數據具有較強的周期性（早晚?峰，?作?和??作?），需利?經驗模態分解（Empirical Mode Decomposition）?法分解含噪數據，將信號中的噪聲和有效信號在不同的固有模態函數（intrinsic mode function，IMF）中分離開來，然后通過選擇IMF重構信號，剔除噪聲及周期性影響，最后進?趨勢相關性分析。

分析結果顯示，PM2.5與通勤?峰擁堵指數具有較強的正相關性，與實際速度（即擁堵速度）具有較強的負相關性，可能是因為當空?中存在?量顆粒物質（PM2.5等）時，造成光的散射和光吸收增強，會導致能?度降低，因此與擁堵指數和實際速度相關性較強。?AQI則與通勤?峰擁堵指數和實際速度的的相關性較弱，可能因為AQI是根據多項污染物（包括PM2.5、SO2、NO2、CO、O３等）數據計算出的綜合指數，受?PM2.5污染物因素的影響，擁堵指數和速度與AQI的相關性較弱。

▲擁堵指數、速度、PM2.5、AQI時間序列

▲ 擁堵指數和速度與PM2.5和AQI相關性

降?導致的可視距離縮短會影響駕駛員的綜合判斷能?，進?降低??速度，容易造成交通擁堵。此外，降?使得路?與輪胎摩擦系數降低，?輛易發?側滑、追尾等交通事故，引發交通擁堵。通過對交通擁堵和降?數據進?相關性分析，結果顯示：

A.絕?部分城市的?降?量與擁堵指數呈現正相關關系，即降?量越?，擁堵越嚴重。

B. 沿海地區降?對擁堵的影響較內陸地區明顯更??些。

C. 北?地區較南?地區的降?影響更??些。

D. 降?對擁堵影響較?的城市，建議加強擁堵強度預報預警、安全駕駛提醒等，并加強降?期間的交通管理，保障道路交通安全。

▲降?量與擁堵指數的相關性

城市綠色出行發展狀況

隨著我國新能源汽?發展?勵政策的逐步實施以及新能源汽?保有量的穩步增?，充電基礎設施建設迎來快速發展，各能源企業、?企、互聯?企業等都紛紛布局充電運營服務。百度地圖聯合充電運營服務?業各??商，于2018年初上線充電樁地圖，幫助新能源?主快速找到周邊及?的地充電樁，快速選擇充電樁。

其中，特來電品牌充電樁數量位列全國第?，截?2018年12?中旬，特來電充電樁總數超過20萬，覆蓋300余城市，提供的充電服務累計可減少170余萬噸碳排放量，節省燃油7.5億升。

根據特來電?數據云平臺數據分析顯示：

A. 特來電新能源汽??戶的充電?為集中分布于??低峰期（即常規?作時間及休息時間）。

B. 22點?次?凌晨4點為?電?峰期，且峰值?于?間峰值，原因主要是：夜間?輛停駛為最佳充電時間窗?、夜間電價較低。

C. 凌晨起到清晨充電功率趨勢開始遞減是電動汽?逐漸完成充電所致。

▲ 新能源充電樁功率24?時分布

根據特來電?數據云平臺數據分析顯示，新能源?每次充電訂單：

A. 每**均充電量為30度，按照?多數新能源汽?的能耗來計算，平均每次的充電量基本可以滿?150km—200km的續航?程；

B. 每**均時?為1.25?時，根據每**均充電量為30度計算，相當于平均充電功率為24kw，遠?于?般慢充<10kw的充電功率，說明快充訂單充電量占絕?部分；

C. 每**均費?為27.5元。

根據特來電2017、2018年充電量數據分析顯示，隨著新能源?銷量的上升以及充電樁建設的加速，充電量呈現逐季度、逐年上升的趨勢。

▲ 特來電充電訂單情況

城市智能交通市場發展狀況

城市智能交通**項?型市場，包括智能交通管理和智能交通運輸兩?領域，具體包括交通指揮類平臺、交通信號控制、電?警察、卡?、交通視頻**、交通信息采集與發布、智慧公交、智慧停?、出租?信息**系統等九個細分?業。

智能交通領域權威媒體賽?交通?重磅發布“城市智能交通**項?型市場?項?指數（Big Project Index，BPI）”:

A. 涵蓋千萬級規模項?的數量變化和市場規模變化趨勢；

B. BPI包含?項?數量指數（Big Project Quantity Index, BPQI）和?項?規模指數（Big Project Amount Index, BPAI）；

C. BPQI 以2017年季度平均?項?數量為基期，基點為100；BPAI 以2017年季度平均市場規模為基期，基點為100；

D. ?項?數量指數（BPQI）代表市場機會發展?平；?項?規模指數（BPAI）代表市場需求發展?平。

▲ ?項?指數（BPI）投資情況

根據百度指數分析顯示，2018年以來與智能交通相關的百度搜索TOP25問題中，??關注最多的問題可以歸結為違章抓拍、放管服+?駕管、智能公交、出?信息服務和?動駕駛五?類 ：

A. 違章抓拍類：最關注違章查詢，違章處罰等問題；

B. 放管服+?駕管類：主要關注駕考、?輛年檢等涉?服務與管理問題；

C. 智能公交類：對于實時公交和公交線路獲取需求最?；

D. 出?信息服務類：關注點集中在地圖導航和出?信息查詢；

E. ?動駕駛類：關注最多的是?聯?。

近年來智能城市及智能交通市場發展迅速，伴隨著互聯?、??智能、?數據和云計算等新興技術的不斷應?，智能交通領域熱點輪動。基于百度聲納輿情?數據，對互聯?+交通，??智能+交通，??駕駛、?數據+交通、智能公交、交通?付、物聯?+交通、5G+交通、云計算+交通、交通信號控制和智能停?等14類智能交通細分領域進?了熱點統計分析：

A. 2018年智能交通領域?絡媒體關注TOP5熱點是互聯?+交通、違章抓拍、??智能+交通、?動駕駛、?數據+交通。

B. 2018年交通科技領域，互聯?、??智能、?數據、?動駕駛、物聯?等技術持續?爆，媒體?泛關注。

互聯?+交通細分領域，對?動駕駛、公交、出?、停?、?駕管、交通信號6個話題進??絡媒體熱點統計，其中互聯?+?動駕駛的媒體關注度最?，其次是互聯?+公交。

5G+交通細分領域，對?動駕駛、出?服務、公交、停?、交通信號5個話題進??絡媒體熱點統計，其中?動駕駛的媒體關注度最?，其次是出?服務。

▲各領域關注點

智東西認為，隨著城市化進程的持續增加，人口的跨區域流動越來越頻繁，人口流動向大城市的流動越來越頻繁，大城市常住人口規模的快速膨脹，必然帶來交通出行需求的絕對增加，城市交通系統正承受著越來越大的壓力。目前，一線城市的上班族均呈現“錢多離家相對遠、錢少離家相對近”的特征。而在典型二線及其他城市中“錢多離家近”的趨勢更為常見。但在汽車行業電動化、智能化、網聯化、共享化“大勢所趨”背景下，隨著物聯網、自動駕駛、人工智能等技術的發展，相信不久的未來城市交通出行問題能得到徹底的改善。

拓展知識：

保定熱線違章查詢

http://www.bdjiaojing.cn/web/index.asp保定市**局交通警察支隊主頁中間位置有違章查詢，可以輸入車牌號或者駕照號查詢