j9国际站

1、整体：全市域日出行总量4463万
，绿色出行比例约70%

基于扩样建改后的百度地图慧眼出行数据
，2022年4月某工作日北京全市域内出行总量约4463万
，相较2014年居民出行大调查了局中的全市一日出行总量4960万
，整体出行量降落了约11%。归其原因
，可能与《总规》执行以来的非首都职能疏解及近几年的疫情影响等成分有关。

北京市域一日出行强度散布图

从全市域一日出行的方式结构可见
，绿色出行方式比例约70%
，距离80%以上的绿色出行比例指标值还有10%的差距。对比各交通方式可见
，非机动化出行占比约40%
，公共交通出行占比近30%
，幼汽车和其他出行占比超过30%。从全市域一日出行周转量结构可见
，幼汽车周转量的占比最高
，地铁次之
，其次为公交和非机动化方式
，可见长距离出行的主体方式为幼汽车和地铁。

与伦敦对比可见
，在出行总量方面
，伦敦在2021年第三季度的出行总量较疫情前的年份也存在10%至15%的降落
，其整体变动趋向与北京较为类似；在方式结构方面
，伦敦的非机动化方式比例和公共交通比例均较北京略低。同时能够看到疫情对于伦敦出行方式的重要影响是压缩了公共交通的出行比例。

伦敦一日出行量及交通方式组成变动图

2、时段：迟早顶峰公共交通出行主体职位显露
，平峰期幼汽车优势依然显著

对比分歧时段各类出行方式的占比可见
，各时段中非机动化出行方式的占比均为最高
，但在迟早顶峰非机动化方式占比相对较低
，其中早顶峰最低。与非机动化出行相反
，迟早顶峰时段的公共交通出行方式占比力高
，公交和地铁方式均出现出类似的特点；平峰期公共交通出行方式占比力低
，地铁方式占比在平峰时的降落幅度较公交更为显著
，即轨路交通的迟早顶峰更为凸起。而幼汽车方式在全时段的占比相对安稳
，其平峰时段的占比相较公共交通优势显著
，而迟早顶峰的占比均略低于地铁和公交
，早顶峰尤为凸起。

分歧时段分歧出行方式占比图

3、春秋：非机动化出行随春秋段呈“凹”字形散布
，幼汽车反之
，中青年轻睐地铁
，一老一幼左袒公交

对比分歧春秋段人群的出行方式结构可见
，65岁以上老年人的出行结构中非机动化方式比例最高
，超过50%；18-24岁春秋段人员由于在校大学生的比例较高
，其非机动化方式比例也较高；其他春秋段的非机动化方式比例出现“凹”字形散布
，其中35-44岁春秋段人群的非机动化出行比例最低。而幼汽车方式则与上述情况相反
，35-44岁春秋段人群的幼汽车出行比例最高。对于地铁方式而言
，35岁以下的青年人选择地铁出行的比例最高
，而后随着春秋增长地铁出行比例逐步降落
，可见轨路交通对于中老年人的吸引力还是略显不及。而对于公交出行而言
，18岁以放学龄人群出行的占比最高
，后续春秋段则出现逐步增长的趋向
，55-64岁中老年人群的公交出行比例超过15%
，可见公交服务人群中
，一老一幼的比例较高。

分歧春秋段人群出行方式结构图

4、拥车：疫情下有车与无车人员均更偏差于个别化出行方式

由于大数据对有车无车人群的鉴别步骤并非以家庭为对象
，因而与传统居民出行调查以家庭为单元的鉴别了局会略有分歧。对比鉴别到的有车无车人员可见
，有车人员出行总量比无车人员略高。有车人员和无车人员的出行方式差距重要体此刻非机动化方式与幼汽车方式上
，而在公共交通方式上两类人群差距不显著。总体而言
，两类人群均更多的选用了个别化的交通方式
，这体现了疫情环境下各人对出行方式的整体偏好。

有车无车人员出行比例对比图

5、主张：刚性出行公共交通比例高
，弹性出行更多选择个别化交通方式

对非回家类的出行统计可见
，刚性出行（上班和上学）占到总体出行的一半左右；其他弹性出行约占一半
，体现了出行活动的多样性。从对应的出行方式组成可见
，刚性出行中公共交通出行比例占到约1/2
，其中上班出行中地铁方式比例较高
，上学3出行中公交方式比例较高；而弹性出行中
，非机动化方式的占比最高
，其次为幼汽车方式
，可见弹性出行中
，个别化交通方式的主导职位比力凸起。

各类出行主张（未含回家）及对应出行方式组成图

6、距离：非机动化方式优势区间在3公里以内
，地铁方式占比随距离区间变动呈“枣核“状

从各出行距离分段的出行方式占比组成可见
，非机动化方式在3公里内出行的主导职位极度显著；3-5公里出行中其非机动化方式占比则降落至约40%
，此距离段的公交与幼汽车方式占比上升显著；5公里以上出行中
，地铁方式占比随出行距离增长而提升
，至20-25公里达到最大占比（约37%）
，而后逐步降落；而5公里以上的幼汽车和公交占比均出现先降落后增长的趋向
，只是幼汽车的占比相对高于公交。

在绿色出行方面
，3公里内的出行中的绿色出行占比超过90%
，优势显著；3-5公里的出行中
，绿色出行占比达70%以上；对于5-30公里的出行
，绿色出行根基维持在50%左右
，而30公里以上的远距离出行中
，绿色出行占比则持续降落至25%左右。

各出行距离区间的出行方式组成图

7、行政区：主题区绿色方式主导
，多点新城与城区间轨路出行有优势
，一区和多点间幼汽车方式占比力高

凭据各行政区有关出行统计得出
，由非机动化、公交、地铁组成的绿色出行方式
，在主题区（东城区和西城区）占比已达到73%
，在主题区以表的中心城区（向阳区、海淀区、丰台区、石景山区）达到68%
，在多点地域（昌平区、顺义区、通州区、大兴区、房山区、门头沟区）达到59%
，在生态修养区（延庆区、怀柔区、密云区、平谷区）达到67%。

各行政区有关出行结构及出行总量对比图

通过度析各行政区之间的出行可见
，各行政区内的地铁出行占比大多低于10%
，仅向阳区为18%；而西城区与向阳区、石景山区、通州区之间
，东城区与石景山区、昌平区之间
，以及向阳区与丰台区、石景山区之间等多行政区之间的地铁出行占比则超过一半

？杉炻方煌ㄔ诳缜鲂蟹务
，出格是距离较远、轨路线网密度较高的跨区出行服务中占主导职位。

各行政区间一日轨路交通出行占比散布图

在公交方面
，最大的互换量位于延庆区与西城区之间和怀柔区、密云区、平谷区与东城区之间
，这两个区间组合凸起的互换量重要得益于八达岭、京平、京承等高速公路公交线路的开行
，其远距离出行的时效性和经济性得到保险。除此之表
，公交出行比例相对较高的重要为各行政区内部及部门邻近行政区间
，同时怀柔区-密云区-平谷区间的公交占比在表围区形成一个部门幼组团。

各行政区间一日地面公交出行占比散布图

在幼汽车方面
，各行政区内部的幼汽车出行比例相对较低
，且大体与各行政区的面积呈正比。从行政区之间的互换量来看
，城六区间的幼汽车互换量整体相对较低
，侧面反映出城区的绿色交通服务水平较高；对于多点新城与中心城区之间
，昌平、通州、大兴与中心城区间的幼汽车互换相对较低
，与此三区和城区之间的公共交通廊路构建较好有关；而表围各区之间幼汽车方式的主体职位依然凸起。

各行政区间一日幼汽车出行占比散布图

8、轨路交通站点周边：轨路分管率随着与站点的距离增长而逐步衰减
，早顶峰轨路交通优势区间为站点周边约1公里领域内

分析轨路交通站点周边300米、500米、1公里、1.5公里、3公里、5公里及5公里以上的全日出行可见
，地铁方式在机动化方式中的分管比例随着与轨路交通站点距离增长而逐步降低
，幼汽车方式占比逐步增长。在轨路交通站点周边300米领域内
，地铁方式比例显著高于幼汽车方式；在300-500米领域区间
，幼汽车与地铁方式分管率根基吃旖；而500米表
，幼汽车方式在全日出行中分管率已显著超过地铁方式。

轨路站点周边分歧距离全日机动化方式中轨路交通和幼汽车出行占比图

在早顶峰时段
，轨路交通站点周边各距离区间的地铁方式在机动化方式中所分管比例的优势更为显著。在轨路交通站点周边1公里领域内
，地铁方式占比均高于幼汽车；500米领域内
，地铁方式在机动化方式中的占比超过50%。对比全日数据可见
，顶峰期轨路交通站点周边的出行对轨路交通的偏好更为显著。

轨路站点周边分歧距离早顶峰起点机动化方式中轨路交通和幼汽车出行占比图