《滴滴：2016智能出行大數據報告（92頁）.pdf》由會員分享，可在線閱讀，更多相關《滴滴：2016智能出行大數據報告（92頁）.pdf（92頁珍藏版）》請在三個皮匠報告上搜索。

1、12016智能出行大數據智能出行大數據報告報告2016智能出行大數據報告2報告聲明2016智能出行大數據報告由滴滴媒體研究院和第一財經商業數據中心聯合發布，報告基于滴滴出行（含優步）平臺全量數據解讀中國出行，并通過智能出行情況反映城市交通、居民生活、熱點事件以及分享出行所帶來的在各個層面上的價值與意義。該報告內容涵蓋全國重點城市。本報告版權歸滴滴媒體研究院所有，任何機構和個人未經書面允許不得以任何形式翻版、復制、摘錄和發布。如引用發布，需注明出處為“滴滴媒體研究院和第一財經商業數據中心”，且不得對報告進行有悖原意的引用、刪節和修改。滴滴媒體研究院和第一財經商業數據中心對本報告有修改權和最終解釋

2、權。說明：除特殊說明外，本報告數據統計周期為2016年1月1日-2016年12月31日；3數據點亮中國數據點亮中國01CONTENTS目 錄分享出行價分享出行價值值數據照數據照進生活進生活040205數據數據觀察交通觀察交通03數據照數據照進現實進現實06滴滴大數據排行榜（滴滴大數據排行榜（D-index）4數據點亮中國015數據來源：滴滴出行大數據平臺4億2000萬+400+平臺用戶覆蓋城市日峰值單量6一二線城市滲透率整體上依然優勢明顯，杭州繼續位居榜首，TOP10城市中珠三角地區占據4席。一線二線三線四線五線滲透率數據說明：1. 滲透率：區域智能出行注冊用戶數/區域常住人口數，常住人口數采

3、用2014年公布數據；2. 城市線劃分采用第一財經周刊中國城市分級標準，其中1）一線城市（含新一線城市）：北京、上海、廣州、深圳、成都、杭州等19城市：2）二線城市：福州、合肥、鄭州等30城市；3）三線城市：三亞、蘭州、桂林等70城市；4）四線城市：臨汾、大同、新鄉等65城市；5）五線及以下：焦作、攀枝花、七臺河等85城市。用戶滲透率城市排行Top10城市2016排名2015排名排名變化杭州11-深圳23+1廣州34+1北京42-2成都57+2廈門66-東莞720+13長沙817+9武漢95-4珠海1020+10分城市線用戶滲透率（含新一線*）7天津青島北京杭州寧波成都長沙南京重慶紹興月人均出

4、行次數三、四線的月人均出行次數與一二線城市相比仍有較大差距；月人均出行次數排名前三的城市依次為天津、青島和北京?；钴S度一二線城市三四線城市分城市線月人均次數比較2015年2016年數據說明：1. 月人均出行次數 = 2016年平均每月的智能出行量 /平均每月的智能出行用戶數，僅統計滴滴出行平臺智能出行量排名前100的城市；2. 城市線劃分采用第一財經周刊中國城市分級標準，其中1）一線城市（含新一線城市）：北京、上海、廣州、深圳、成都、杭州等19城市：2）二線城市：福州、合肥、鄭州等30城市；3）三線城市：三亞、蘭州、桂林等70城市；4）四線城市：臨汾、大同、新鄉等65城市；5）五線及以下：焦作

5、、攀枝花、七臺河等85城市。7.2%23.1%8一線城市和省會城市的智能出行發展水平更高，排名前20的城市中有8個為珠三角和長三角城市。智能出行發展水平TOP20城市數據說明：1. 此處的智能出行僅指網約車出行，智能出行發展指數是根據智能出行用戶滲透率，出行活躍度和便捷程度等綜合指標計算得到的0-100之間分值，分值越高說明智能出行發展水平越高;2. 此處僅統計滴滴出行平臺2016年1-12月智能出行總量排名前100的城市。智能出行發展水平Top20城市杭州北京廣州深圳成都長沙青島天津南京武漢廈門合肥東莞西安蘇州大連太原珠海紹興寧波排名城市智能出行發展指數1杭州91.82北京91.83廣州85

6、.84深圳85.75成都83.66長沙81.57青島80.78天津80.19南京78.310武漢78.011廈門75.912合肥75.713東莞75.514西安75.215蘇州74.916寧波74.817大連71.118太原70.819珠海69.720紹興69.39智能出行潛力城市TOP10排名城市智能出行潛力指數1廊坊88.92中山87.43惠州85.64無錫85.35鎮江83.46溫州80.47貴陽79.38保定78.29嘉興77.410佛山76.6智能出行發展Top10潛力城市廊坊中山惠州無錫鎮江溫州貴陽保定嘉興佛山發展潛力較大的城市多為長三角、珠三角和京津冀地區的二線和三線城市，西部城

7、市貴陽前景可期。數據說明：1. 智能出行潛力指數是根據智能出行用戶滲透率，出行活躍度，便捷程度等綜合指標計算得到的0-100之間分值，分值越高說明智能出行發展潛力越高;2. 此處僅統計滴滴出行平臺2016年1-12月智能出行總量排名前100的二、三、四線城市。10滴滴分享出行價值0211新出行體驗12以滴滴為代表的網約車滿足了民眾差異化出行需求，正在重塑全新的出行體驗從上下班白領到高校學生，從創業青年到商務精英，他們無一不享受著網約車的便利，獲得更好的出行體驗。北京南站深圳北站杭州東站成都東站朝陽大悅城北京西站廣州南站阿里巴巴西溪園區超級蜂巢尚東數字山谷西京醫院龍華新區人民醫院華西醫院門診部浙

8、二醫院浙江大學醫學院附屬邵逸夫醫院何賢紀念醫院廣東省中醫院龍橋小學海雅繽紛城泰華濱河苑海岸城意馨居韓家川村西溪北苑北區龍海家園北京大悅城三里屯太古里光谷廣場佳程廣場新城廣場新城廣場廣聯購物廣場學生白領創業青年商務精英金融IT人士工人13典型場景下的累計出行人次（2016年）數據說明：此處僅統計有代表性的典型出行場景下的出行人次，其它如公交地鐵，學校，生活服務等出行場景不在此統計范圍內。17.7億億工作日上下班工作日上下班10.8億億餐餐飲購物飲購物4.4億億休休閑娛樂閑娛樂3.6億億醫院醫院2.5億億機機場火車站場火車站14解決城市居民“最后一公里”出行問題數據說明：滴滴出行大數據平臺北京公交

9、車站服務覆蓋和網約車訂單起點分布比較網約車覆蓋城市邊緣地區，在空間上彌補了公交和出租車服務不足的區域，以北京五環外為例，62%的網約車出行起點或終點位于公共交通覆蓋不足區域。網約車出行大多位于公交服務覆蓋外區域（互補關系）占比（%）15緩解重大節假日跨城出行難題，彌補城際間出行需求數據說明：滴滴出行大數據平臺跨城順風車具備靈活、經濟實惠、便捷等特點，已成為跨城公共交通的補充力量，2016年春運期間，滴滴跨城順風車覆蓋了31省，累計有190萬人合乘出行，預計在2017年春運期間該數據將增長到840萬。1/1/162/1/163/1/164/1/165/1/166/1/167/1/168/1/16

10、9/1/1610/1/1611/1/16 12/1/16跨城順風車出行量增長趨勢（2016年1-12月）2016年春運累計190萬人合乘出行840萬2017年春運（預估）16新就業平臺172016年全年，滴滴平臺為全社會創造了1750.9萬個靈活就業和收入機會1750.9萬萬靈活就靈活就業和業和收入機會收入機會238.4萬萬去產能行業（14%）87.5萬萬退伍/轉業軍人(5%)18每天直接為207.2萬司機提供日均超過160元的收入數據來源：滴滴出行大數據平臺207.2萬萬160元元日均收入超日均收入超160元的司機數元的司機數19不僅收入增加，網約車司機也通過自己的工作付出獲得自信和成就感能

11、夠靈活安排自己的時間，可以兼顧到工作和生活可以在工作中找到成就感和滿足感相信靠自己的努力工作能夠為家人帶來更好的生活數據來源：問卷調研問卷投放時間為2016年6月,N=10887。93.0%90.1%91.4%20新出行理念21順風車和?？燔嚕ê窜嚕楣澞軠p排做貢獻相當于近相當于近91萬萬輛小汽車輛小汽車行行駛一年所排放的二氧化碳量駛一年所排放的二氧化碳量a，或，或4811萬萬顆樹顆樹一年吸收的二氧化碳量一年吸收的二氧化碳量b144.3萬噸2016年全國范圍內的累計CO2減排量（直接和間接）數據說明：1.累計CO2減排量是指快車拼車和順風車出行導致的直接和和間接減排效果；2.a. 按一輛車一

12、年行駛10000km，排放1580kg計算, b. 按一棵樹一年吸收30kgCO2計算。22順風車和?？燔嚕ê窜嚕┕澞軠p排量最大的前三個城市依次為北京、成都和杭州、數據說明：僅統計滴滴出行平臺拼車和順風車出行量排名前20的城市。順風車和?？燔嚕ê窜嚕┕澞軠p排TOP10城市1北京2成都3杭州4廣州5深圳6上海7武漢8重慶9南京10西安23數據觀察交通032416.019.022.025.028.031.01/1/162/1/16 3/1/164/1/165/1/166/1/167/1/168/1/169/1/16 10/1/16 11/1/16 12/1/162016年全國城市分日期平均車速

13、平均車速（公里/小時）2016年，全國城市道路平均車速為23.7公里/小時，與2015年基本持平數據說明：數據來源于滴滴出行大數據平臺，平均車速為滴滴出行平臺日出行人次在1000以上的超300個城市的平均行駛速度。23.7公里/小時25一線城市平均車速略有上升，三四線城市平均車速下降較為明顯數據說明：城市線劃分采用第一財經周刊中國城市分級標準，其中1）一線城市（含新一線城市）：北京、上海、廣州、深圳、成都、杭州等19城市：2）二線城市：福州、合肥、鄭州等30城市；3）三線城市：三亞、蘭州、桂林等70城市；4）四線城市：臨汾、大同、新鄉等65城市。24.524.226.223.624.724.0

14、25.323.2一線城市二線城市三線城市四線城市2015年2016年分城市線全年平均車速比較（2016年 vs 2015年）3.4%1.6%1.0%0.7%262016年平均車速降幅最大的前十大城市城市2015年2016年變化麗江26.522.8-13.8%嘉興28.825.4-11.8%三亞33.929.9-11.7%東莞27.825.4-8.4%廊坊26.824.9-6.9%眉山24.322.7-6.5%長春23.021.6-6.0%清遠25.724.3-5.4%惠州25.624.5-4.1%?？?5.324.3-4.0%平均車速降幅較大的多為三四線城市和旅游城市，麗江、嘉興、三亞三城市的

15、下降幅度超過10%數據說明：僅統計滴滴出行平臺日均出行量排名前200名的城市。272016年平均車速增幅最大的前十大城市城市2015年2016年變化大連22.324.811.1%常州22.123.87.5%青島21.923.67.5%福州21.723.37.2%寧波24.025.35.2%南京23.724.84.7%上海23.524.54.1%天津24.425.33.6%成都24.825.73.6%濟南20.220.93.5%平均車速增幅較大的前三個城市依次為大連、常州和青島數據說明：僅統計滴滴出行平臺日均出行量排名前200名的城市。280123456789101112131415161718

16、192021222322.619.9分時段平均車速(工作日 vs 節假日)工作日節假日工作日晚高峰最堵，平均時速不到20公里/小時數據說明：僅統計滴滴出行平臺日均出行量排名前200名的城市。平均車速（公里/小時）29早晚高峰最擁堵的城市是西安、重慶和石家莊，北京位列第四數據說明：高峰擁堵延時指數=自由流（暢通）車速/早晚高峰平均車速，其中早晚高峰時間段為7:00-10:00, 17:00-20:00, 自由流或暢通車速是指0:00-06:00的平均車速，延時指數越大表明越擁堵，延時指數等于2表示單位里程通行時間是通暢條件下的2倍。工作日早晚高峰擁堵延時指數排名1.791.781.731.701

17、.661.641.631.631.601.50西安重慶石家莊北京濟南鄭州廣州哈爾濱青島武漢30北京2016年因交通擁堵導致的人均成本超8000元數據說明： 擁堵損失=2016年各城市平均時薪* 因擁堵造成的延時*人均全年通勤次數（按每月22個工作日，每個工作日早晚高峰通勤1次，每次通勤平均時間為1小時計算），時薪根據該城市2015年度社會平均工資數據計算。2016年交通擁堵損失排行單位：元/人5028504952355674664766626753696072078717青島大連成都武漢重慶上海深圳西安廣州北京312016年全國十大擁堵路段數據來源：滴滴出行大數據平臺2016年十大擁堵路段排行

18、1重慶-環快速/包茂高速（近騰龍大道路段）2西安-西二環（土門附近）3北京-朝陽區東三環北路乙4石家莊-北二環東路（中華北大街-體育北大街）5北京-西二環北路6深圳-南環路（環鎮路-中心路）7長沙-開福區清水塘路8成都-武侯區成科路9重慶-堤龍路（老糟房附近）10廣州-白云區三元里大街32數據照進生活0433數據記錄了生活的方方面面吃午餐求“方便”晚餐求“享受”看電影還是外國的圓玩旅游就要更自由買購物節剁手更任性34工作繁忙的上班族使用網絡外賣更從容的解決午餐問題，晚上則外出享受晚餐。5.4%68.7%17.8%8.1%各餐外賣需求量分布a早餐午餐晚餐夜宵0%5%10%15%0246810 1

19、2 14 16 18 20 22目的地為餐飲場所的訂單時段分布b午餐求“方便”，晚餐求“享受”數據來源：a速途研究院2015中國互聯網+餐飲行業報告，b滴滴出行大數據平臺35消費者高品質的觀影需求由線下延伸到線上，國外電影更受歡迎，在線視頻付費消費意愿同樣以高品質的版權內容為主。電影還是外國的圓數據來源：a電影上映前后一周目的地為電影院的出行量 ，b艾瑞咨詢2015中國在線視頻用戶付費市場研究報告16.9%17.3%21.6%21.7%22.0%24.5%26.4%29.9%36.1%36.6%45.5%52.9%61.6%新聞娛樂資訊網友上傳視頻音樂體育動漫海外綜藝節目國產網站自制綜藝國產臺

20、播綜藝國產網絡劇國產臺播電視劇海外電視劇國產電影外國電影中國在線視頻付費用戶付費內容意愿b-3.6%23.0%我不是潘金蓮（11.18）神奇動物在哪里（11.25）電影院為目的地的出行增長率a（上映首周較上周）36線上旅游平臺為消費者提供了更多的選擇，自由行越來越受到人們歡迎；順風車作為一種新的旅游模式越來越受到人們追捧，自2016年3月以來成都和拉薩之間的跨城順風車出行量增加了3.4倍。201320142015飛豬自由行成交筆數a201601201603201605201607201609201611成都和拉薩之間的跨城順風車出行量b3.4倍旅游越來越像風一樣自由，順風車出游越來越受到歡迎數

21、據說明：a第一財經商業數據中心2016中國互聯網消費生態大數據報告；b順風車數據來源于滴滴出行大數據平臺.37雙十一不再是互聯網消費者的狂歡，已經從單純意義上的“電商購物節”變成了“全民購物節”。線上買完線下買，雙十一購物一年更比一年火爆數據來源：a滴滴出行大數據平臺2015.11.112016.11.112015-2016天貓雙十一成交額+32.3%2015.11.112016.11.42016.11.112015-2016 雙十一銀泰商城客流量a+60.4%+74.5%38職業不同，選擇的出行道路和方式亦有差別 多樣化的生活場景下，不同職業的消費者對分享出行有著差異化的需求； 傳媒，金融，

22、教育和互聯網從業者是分享出行的重度用戶。數據來源：滴滴出行大數據平臺不同行業分享出行用戶出行頻次（月均）39讓我們通過出行數據來看看他們的工作與生活傳媒采訪任務隨叫隨走披星戴月常奔波金融應酬多不顧家夜生活豐富教育大學老師加班忙二線中小學教師壓力大互聯網朝九晚九兩點一線周末其實并不宅40傳 媒41相比互聯網與金融行業較為規律的早晚高峰出行規律，傳媒行業工作者的出行曲線更為平緩，不管是在工作日還是周末，都有同樣的體現。新聞事件隨時可能發生，實時待命的媒體人出行隨機性較大數據說明：數據為隨機抽取的連續一月內的分時段出行量。0.0%3.0%6.0%9.0%12.0%0246810 12 14 16 1

23、8 20 22工作日分時段出行量傳媒互聯網金融0.0%2.0%4.0%6.0%8.0%0246810 12 14 16 18 20 22周末分時段出行量傳媒互聯網金融42傳媒行業超過一半的人早9點之后上班，超過一半的人晚8點后才下班。23.8%28.5%28.8%14.5%4.4%15.7%24.4%35.5%20.7%3.7%上班時間分布傳媒金融、互聯網7點以前7點-8點8點-9點9點-10點10點-11點隨機性大意味著工作相對自由，上下班時間較互聯網和金融行業更靈活數據說明：上班時間是指工作日6:00-11:00出發地為住宅小區，目的地為商務樓宇訂單的到達時間；下班時間是指17:00-次日

24、2:00出發地為商務樓宇，目的地為住宅小區的訂單出發時間。37.4%15.0%16.5%19.2%11.8%35.6%13.5%15.2%20.6%15.1%下班時間分布傳媒金融、互聯網18點以前18點-19點19點-20點20點-21點21點以后430%5%10%15%20%傳媒房地產互聯網金融工作日出差訂單占比傳媒從業者同時也是出差狗，大部分都是直接從家出發奔赴機場火車站數據說明：1. 工作日出差訂單占比=工作日目的地或出發地為機場、火車站、酒店的出行量/工作日總體出行量；2. 從辦公室出發的訂單為出發地地址標簽為商務樓宇的訂單，從家出發的訂單為出發地地址標簽為住宅小區的訂單。0%20%4

25、0%60%80%100%傳媒房地產互聯網金融不同出發地至火車站機場訂單占比從辦公室出發從家出發傳媒從業者往返機場火車站及酒店的出行量接近五分之一，密集的出差節奏使得他們一般直接從家出發奔赴外地。440%5%10%15%20%傳媒互聯網金融房地產教育深夜出行訂單占比00.511.5機場酒店賓館學?；疖囌净A設施商務樓宇購物住宅小區醫院休閑娛樂餐飲生活服務深夜出行偏好時間緊任務重，夜深時分還在路上奔波是常事傳媒從業者深夜（22:00-凌晨4:00）出行的訂單占比更高，是深夜里候機廳、候車室、酒店大堂的?？?。數據說明：1. 深夜出行訂單占比為出發時間在22:00-凌晨4:00的訂單所占比重;2. 深

26、夜出行偏好=22:00-凌晨4:00傳媒業用戶不同標簽目的地占比/所有行業各不同標簽目的地占比，大于1表示具有較高的偏好度，反之則較低。45周六才能相對清閑，購物休閑活動較多，周日就開始緊張的工作節奏5%10%15%20%25%周一周二周三周四周五周六周日不同目的地出行量一周七天占比購物休閑出差辦公室數據說明：購物休閑為目的地地址標簽為餐飲、購物、休閑娛樂、生活服務的出行量，出差為目的地地址標簽為火車站機場酒店賓館的出行量；辦公室為目的地標簽為商務樓宇的出行量。傳媒人周六購物休閑活動的出行量占比更高，而周日去辦公室的出行量即開始回升。46金 融470%5%10%15%20%25%1718192

27、0212223下班時間分布房地產文化金融互聯網0%10%20%30%40%50%56789101112上班時間分布房地產文化金融互聯網所謂“無利不起早”，金融業者七點就開始上班，不過下班也是最早的數據來源：滴滴出行大數據平臺480%10%20%30%40%50%60%金融業文化傳媒房地產互聯網下班直接回家的訂單占比0%5%10%15%20%25%金融業文化傳媒房地產互聯網下班目的地為餐飲娛樂的訂單占比與其它行業相比，金融業者更喜歡下班后直奔餐飲娛樂場所數據說明：1.下班直接回家的訂單占比=17:00之后出發地為商務樓宇目的地為住宅小區的出行量/17:00之后出發地為商務樓宇的出行量；2. 餐飲

28、娛樂是指目的地為餐飲、購物、休閑娛樂、生活服務等場所的出行訂單。49從夜生活訂單目的地偏好來看，金融業者以生活服務為目的地的訂單是其他行業的2倍，餐飲訂單也超出平均水平40%一線金融精英夜間購物出行量占比超過二線城市12%，二線城市休閑娛樂活動出行量占比高出北上廣深16%。0.0 0.5 1.0 1.5 2.0 2.5 生活服務餐飲休閑娛樂機場購物商務樓宇住宅小區酒店賓館醫院學?；疖囌旧钜钩鲂衅?%10%20%30%40%50%餐飲購物生活服務休閑娛樂不同線級城市夜間餐飲娛樂偏好北上廣深二線城市金融精英們的夜生活更為豐富，一線城市金融精英買買買，二線城市金融精英玩玩玩數據說明：深夜出行偏好=

29、22:00-凌晨4:00傳媒業用戶不同標簽目的地占比/所有行業各不同標簽目的地占比，大于1表示具有較高的偏好度，反之則較低。50“金領”們偏愛高檔購物中心，北京的三里屯太古里，上海的國金中心、正大廣場都是其經常光顧的地方數據來源：滴滴出行大數據平臺北京“金領”的購物目的地分布上?！敖痤I”的購物目的地分布51教 育520246810121416182022上班時間分布大學老師小學老師中學老師0246810121416182022下班時間分布大學老師小學老師中學老師中小學老師的上下班時間較為固定，大學老師工作相對自由數據說明：1. 分析對象為使用過滴滴出行的教師抽樣樣本，樣本量為10W；2. 數據

30、周期為2016年5月-6月，統計城市為滴滴出行平臺上智能出行量排名靠前的前20個城市。53備課評職稱壓力大，大學老師21時后打車回家比例更高19.2%13.7%9.9%大學老師中學老師小學老師工作日21:00之后打車出行的比例數據說明：1.工作日21:00之后打車出行的比例 = 21:00-24:00出發地為學校，目的地為住宅小區打車出行量/16:00-24:00出發地為學校，目的地為住宅小區打車出行量；2.分析對象為使用過滴滴出行的教師抽樣樣本，樣本量為10W；3. 數據周期為2016年5月-6月，統計城市為滴滴出行平臺上智能出行量排名靠前的前20個城市。54數據說明：1.工作日21:00之

31、后打車出行的比例 = 21:00-24:00出發地為學校，目的地為住宅小區打車出行量/16:00-24:00出發地為學校，目的地為住宅小區打車出行量；2.分析對象為使用過滴滴出行的教師抽樣樣本，樣本量為10W；3. 數據周期為2016年5月-6月，統計城市為滴滴出行平臺上智能出行量排名靠前的前20個城市。10.8%11.3%12.4%12.8%14.0%15.8%16.1%18.7%18.7%26.2%上海北京杭州青島廣州深圳沈陽成都西安重慶中小學老師工作日21:00之后打車出行占比最高的TOP10城市二線城市的中小學老師更辛苦55哪所高校的老師最辛勞？當屬孔孟之地的山東大學數據說明：1. 分

32、析對象為使用過滴滴出行的教師抽樣樣本，樣本量為10W；2. 數據周期為2016年5月-6月，統計城市為滴滴出行平臺上智能出行量排名靠前的前20個城市里教師智能出行量最大的前100所大學。工作日打車回家平均時間最晚的大學1山東大學2浙江大學3西安電子科技大學4北京理工大學5深圳大學6四川大學7合肥工業大學8北京交通大學9北京航空航天大學10西北大學56工作日教學任務重，學校與家兩點一線，周五晚上和周末的出行則相對較為活躍1.021.000.951.031.161.141.08星期一星期二星期三星期四星期五星期六星期日一周七天內的打車出行量比較周五應酬和朋友聚會多，下班后去往餐飲場所的出行量同比增

33、加24%；周末出行活躍則主要是因為購物、休閑娛樂以及陪小孩，周末去往商場和購物中心的訂單增加50%（相對工作日）；去往公園、體育館、少年宮等休閑娛樂場所的訂單則增長62%。數據說明：1. 分析對象為使用過滴滴出行的教師抽樣樣本，樣本量為10W；2. 數據周期為2016年5月-6月，統計城市為滴滴出行平臺上智能出行量排名靠前的前20個城市里教師智能出行量最大的前100所大學。57寒暑假是教師職業的福利，老師們7、8月外地旅游的出行人次較前四月增長42%數據說明：1. 分析對象為使用過滴滴出行的教師抽樣樣本，樣本量為10W；2. 數據周期為2016年5月-6月，統計城市為滴滴出行平臺上智能出行量排

34、名靠前的前20個城市里教師智能出行量最大的前100所大學。201603201604201605201606201607201608教師出旅游行量月份分布58互 聯 網59朝九晚九是互聯網行業典型工作節奏數據來源：滴滴出行大數據平臺0.0%5.0%10.0%15.0%20.0%25.0%17181920212223下班時間分布文化金融互聯網0.0%10.0%20.0%30.0%40.0%50.0%56789101112上班時間分布文化金融互聯網6088.599.51010.5互聯網金融傳媒房地產不同行業上班時長平均每天工作超10小時，尤其是深圳碼農，工作幾乎占據了其一半的時間數據說明：各行業上班

35、時長=平均上班時間-平均下班時間，平均上班時間為5:00-12:00出發地為住宅小區目的地為商務樓宇訂單的平均到達時間，平均下班時間為17:00-23:00出發地為商務樓宇目的地為住宅小區訂單的平均出發時間。9.51010.51111.5深圳廣州北京上海一線城市互聯網工作時長61碼農們生活節奏較為固定，公司與家兩點一線數據說明：1.通勤訂單為工作日目的地和出發地互為商務樓宇及住宅小區的訂單 ；2.下班直接回家的訂單占比=17:00之后出發地為商務樓宇目的地為住宅小區的出行量/17:00之后出發地為商務樓宇的出行量。0%10%20%30%40%50%互聯網金融文化房地產通勤訂單占比0%10%20

36、%30%40%50%60%互聯網房地產金融文化傳媒下班直接回家的訂單占比62哪家互聯網公司最能拼？京東奇虎360阿里巴巴優酷土豆新浪大眾點評網易騰訊百度樂視互聯網公司下班時間排行數據說明：下班時間為工作日17:00-凌晨2:00出發地為公司，出發地為公司辦公樓宇，目的地的為住宅小區的訂單的平均出發時間。63工作日工作節奏緊張，程序員多在周末出門娛樂放松3.0%8.0%13.0%18.0%23.0%周一周二周三周四周五周六周日目的地為購物休閑的出行量一周占比互聯網房地產金融文化傳媒數據說明：購物休閑為目的地地址標簽為餐飲、購物、休閑娛樂、生活服務的訂單。64碼農周末最愛買買買，其次是休閑娛樂0%

37、4%8%12%16%20%互聯網金融房地產文化傳媒周末出行購物休閑目的地占比購物休閑娛樂生活服務餐飲數據說明：購物休閑為目的地地址標簽為餐飲、購物、休閑娛樂、生活服務的訂單。65以北京為例，五彩城為碼農最愛，碼農也愛三里屯工體數據來源：滴滴出行大數據平臺華潤五彩城凱德Mall耀萊國際影城五道口購物中心華僑城 大劇院三里屯草場地藝術區互聯網從業者周末購物休閑目的地（北京）66數據照進現實0567樓市房地產調控政策下的離婚潮體育國足、奧運2016體育迷熱情高漲電商創紀錄銷售額背后是加班族的辛勤努力演唱會崔健vs張學友同為老炮，歌迷卻各有所愛68樓 市692015/102015/122016/220

38、16/42016/62016/82016/102016年春節后掀起了全國人民購房熱潮，打車去往房地產交易中心的出行量一年間增長了2.8倍數據說明：購房熱情用打車去房產交易中心的出行量表示；全國購房熱情月變化（2015年10月-2016年10月）+2.8倍倍70房產調控政策催生離婚怪象，3月25日上海頒布最嚴房產調控政策“滬九條”，當天打車去往民政局的出行量同比增長120%數據來源：滴滴出行大數據平臺20160324201603252016年1-7月均值2016年8月122%上海市目的地為民政局的出行量（ 325樓市新政前后）上海市目的地為民政局的出行量（ 2016年7月市場傳言認房認貸前后）1

39、33%71電 商72電商屢破紀錄的背后是廣大加班族的辛勤努力，雙十一阿里最拼命，亞馬遜緊隨其后數據說明：加班占比 = 21:00-02:00的出發地為各公司總部的訂單量/17:00-02:00出發地為各公司總部的累計訂單量。41.5%38.7%27.8%17.2%16.5%15.0%阿里亞馬遜京東蘇寧易購聚美優品小米2016年11月第一周各電商加班占比73電商節日天天有，加班的腳步也停不下來數據說明：加班占比 = 21:00-02:00的出發地為各公司總部的訂單量/17:00-02:00出發地為各公司總部的累計訂單量。典型電商在不同“節日”的加班占比25.3%31.5%30.6%35.2%聚美

40、優品301 京東618亞馬遜818阿里雙1150.1%41.5%28.1%14.9%14.0%亞馬遜819阿里雙11京東618蘇寧易購818聚美優品301各電商在各自節日當周加班占比74國 足75世預賽國足屢戰屢敗，球迷癡心不改，“里皮效應”明顯數據來源：滴滴大數據平臺251%190%340%9月1日9月6日10月6日10月11日11月15日國足比賽期間體育場館周邊出行量同比增長變化量沈陽奧體中心陜西體育館昆明拓東體育場客場客場7611月15日昆明一戰中，仍有30%的球迷是從外地遠道而來為國足加油數據來源：滴滴大數據平臺70.4%29.6%昆明外地4.0%1.7%1.3%1.3%0.9%0.9

41、%0.9%0.8%0.8%0.7%外地球迷來源分布（TOP10）昆明賽球迷來源分布77奧 運7832.2%29.8%25.5%7.3%3.2%2.0%游泳館健身房其他數據來源：滴滴出行大數據平臺奧運期間不同運動健身方式占比球類運動瑜伽舞蹈等射箭射擊等里約奧運期間，游泳館、健身房火熱，出行量增加許多79演 唱 會80平日演唱會當天張學友和崔健演唱會當天，場地周邊出行量均呈大幅增長，對歌迷的號召力可見一斑數據來源：滴滴出行大數據平臺平日演唱會當天張學友樂視體育中心演唱會場地周邊出行量崔健工體演唱會場地周邊出行量133%442%81同為歌壇老炮，歌迷構成卻大不相同，崔健對70后的號召力遠大于張學友數

42、據來源：滴滴出行大數據平臺粉絲年齡分布（張學友 vs 崔?。?.5%2.2%13.3%45.2%37.8%0.0%0.0%6.7%65.0%28.3%50后60后70后80后90后崔健演唱會張學友演唱會82滴滴大數據排行榜(D-index)0683D-Index：基于滴滴出行大數據平臺的指數測算體系最溫情的城市外地游客最多的景點人氣最旺的商圈最愛健身的城市最愛讀書的城市最小資的城市最休閑的城市最愛吃海鮮的城市最愛吃火鍋的城市最溫情的城市84D-Index：最溫情的十大城市數據說明：最溫情的城市是指順風車免單占比最高的城市。1.綿陽綿陽2.南寧南寧3.金金華華4.昆明7.臺州6.南通5.湖州8.

43、溫州9.福州10.保定85D-Index：外地游客最多的十大景點數據說明：外地游客指數=出發地為酒店賓館、機場、火車站的出行量/總出行量1.杭州西湖杭州西湖2.北京北京頤和園頤和園3.成都成都寬窄巷子寬窄巷子4.廈門鼓浪嶼7.北京八達嶺長城6.南京總統府5.上海城隍廟8.廣州長隆公園9.西安大雁塔10.武漢戶部巷86D-Index：人氣最旺盛的十大商圈數據說明：商圈人氣指數=各商圈為出發地或目的地的出行量/各商圈平均出行量*1001.北京三里屯北京三里屯2.成都春熙路成都春熙路3.杭州武林廣杭州武林廣場場4.北京王府井5.廣州上下九6.重慶解放碑7.上海靜安寺8.上海徐家匯9.南京新街口商圈1

44、0.天津濱江道87D-Index：最愛健身的十大城市數據說明：最愛健身的城市是指以為健身館、體育館、公園等為目的地的出行量在出行總量中占比最高的城市。1.太原太原2.福州福州3.佛山佛山4.石家莊7.廈門6.昆明5.東莞8.重慶9.廣州10.西寧88D-Index：最愛讀書的十大城市數據說明：最愛讀書的城市是指以圖書館、書店為目的地的出行量在總出行量中占比最高的城市。1.長沙長沙2.青青島島3.溫州溫州4.蘇州7.昆明6.西安5. 石家莊8.廈門9.重慶10.洛陽89D-Index：最休閑的十大城市數據說明：最休閑的城市是指目的地為餐飲、購物、生活服務、休閑娛樂場所在總出行量中占比最高的城市。

45、1.南寧南寧2.太原太原3.大大連連4.寧波7.沈陽6.佛山5.廈門8.煙臺9.廣州10.深圳90D-Index：最小資的十大城市數據說明：小資指數=目的地為各類小資場所（如咖啡廳、酒吧、電影院等）訂單量/目的地為休閑娛樂場所訂單量1.大大連連2.紹興紹興3.上海上海4.杭州7.廣州6.北京5.寧波8.南京9.蘇州10.成都91D-Index：十大海鮮之城數據說明：海鮮指數=目的地為海鮮餐館的出行量/目的地為餐飲場所的訂單量1.天津天津2.大大連連3.青青島島4.廣州7.沈陽6.煙臺5.寧波8.廈門9.深圳10.三亞92D-Index：十大火鍋之城數據說明：火鍋指數=目的地為火鍋餐館的出行量/目的地為餐飲場所的訂單量1.重重慶慶2.成都成都3.鄭州鄭州4.北京7.武漢6.西安5.南京8.長沙9.哈爾濱10.昆明