OD 成本矩阵怎么分析：网络阻抗、出行阈值与可达性结果复核
算完 OD 成本矩阵后，表里有一串最短时间，很多项目便直接据此说“某医院可达”或“某站点覆盖不足”。真正决定结论的却是网络阻抗、转向限制、出发时段、设施容量和阈值口径。OD 分析不是直线距离排序，而是把业务出行规则落实到网络模型。本文给出从建模到结论复核的实操方法。
阻抗应与决策问题匹配
距离、自由流时间、拥堵时间、费用和坡度回答不同问题。若研究救援响应，却用静态距离作为阻抗，结果即使数学正确也不具备业务意义。
阈值是政策或体验判断
15 分钟、30 分钟并非自然边界。它可能来自服务标准、调查问卷或历史绩效；应在报告中写明来源，并做阈值附近的敏感性检查。
网络连通性先于最短路径
断头路、单行、禁转、渡口时刻和跨河连接缺失，都会让结果异常。无路径不等于不可达，也可能是网络没有表达真实连接。
矩阵结果要看分布而非只看均值
平均时间容易掩盖边缘社区和高峰时段。应检查分位数、无路径比例和不同人群/区域的覆盖差异。
可执行实操流程
- 明确 origin、destination、出发时段、交通方式和阻抗定义；将服务阈值及其业务来源写入分析说明。
- 检查网络数据的连通分量、单行、禁转和速度字段，抽取几条已知线路与导航或现场经验比对。
- 对起终点执行吸附，记录每个点的 snap distance；距离网络过远的点单独标记，不能默默吸到错误道路。
- 计算 OD 成本矩阵并输出 origin_id、destination_id、cost、path status；分别统计最近设施、阈值内比例和无路径原因。
- 用工作日/高峰等候选时段和相邻阈值重复分析，比较结论是否稳健；对异常长/短路径在地图上人工回放。
# 结果表至少保留
origin_id, destination_id, travel_time_min, snap_distance_m, path_status
# 阈值覆盖率 = travel_time_min <= threshold_min项目避坑与质量检查
最常见的“高可达性假象”来自起终点直接吸附到高速路或受限道路。吸附距离看起来很小也不够，要检查连接点是否允许该出行方式进入。项目验收时应挑选跨河、边缘和复杂立交三个场景回放路径，这比只看矩阵总行数更能发现网络规则漏配。
| 检查阶段 | 必须保留的证据 | 异常处理 |
|---|---|---|
| 输入 | 出行方式、时段、阈值来源和网络版本 | 隔离异常样本，不直接覆盖源数据 |
| 处理 | 吸附距离、无路径比例和成本分布 | 回到参数、单位与筛选条件逐项复现 |
| 交付 | 典型复杂路径回放及敏感性结果 | 用独立样本或第二个环境复核 |
让流程能被下一位同事复跑
将网络版本、阻抗字段、限制条件、起终点快照和阈值敏感性结果一并归档。OD 结论的有效期依赖这些前提，路网或政策改变后不能只重跑按钮而不重新审视模型。
把源数据批次、坐标参考、关键参数、异常清单和前后统计放在同一份处理记录中。这样数据更新时，团队判断的是结果差异来自哪里，而不是重新猜测上一次做过什么。
抽样复核与交接记录
对外发布覆盖率地图时，应同时标识样本量很小和网络边缘的区域。一个居民点在阈值内不代表整个社区均可达；可补充人口加权指标、最近设施的替代选择和超阈值人群数量。把平均值、极端值和空间分布同时呈现，才不会把服务公平问题藏在一张整齐的矩阵里。
FAQ
没有路径就等于不可达吗？
不一定。先查起终点吸附、网络断裂、交通方式限制和时间规则，再判断是否真实不可达。
能否用直线距离代替 OD？
可用于粗筛，但不能替代受道路、禁转、跨河和拥堵影响的服务可达性结论。
阈值该取多少分钟？
应来自服务标准、用户需求或历史数据，并做相邻阈值敏感性分析。
总结
OD 分析的可信度来自对网络规则和阈值口径的透明说明。先验证“能走什么路”，再解释“要走多久”。