一种基于浮动车数据的私家车出行数据集成方法
【技术领域】
[0001] 本发明属于车载社交网络领域，特别涉及私家车出行的OD矩阵生成方法以及私 家车出行数据集的生成方法。
【背景技术】
[0002] 随着车辆和公路的日益智能化，越来越多的汽车和路边基础设施安装了通信设 备，使得行驶在道路上的车辆不再是一个个孤立的个体。智能汽车作为移动社交网络的新 载体，为用户提供了新的移动通信方式，将社交网络和车联网络相结合，形成了车载社交网 络（VSN, vehicular social network)。车载社交网络中，驱使用户聚集或形成社群的主要 因素是地理位置和社群用户兴趣，以及同行或相遇车辆之间的相互协作。因此车载社交网 络具有自组织，社群形成迅捷，社会信息丰富等优势。
[0003] 在车载社交网络中，OD矩阵是一项关键的基础数据，它可以反映实际交通路网中 的真实交通分布。无论是进行交通网的规划，还是对城市进行合理的交通控制，OD矩阵都 起着很重要的作用。此外，在交通仿真系统中，OD矩阵也是基本的仿真输入数据。早期的 静态OD矩阵估计方法都是采用交通调查问卷，电话询问方式进行，这种方法时效性差，耗 费巨大。近年来，随着计算机技术和信息技术发展，GPS数据更加精确，采集方式也更简捷， 使得使用GPS数据估测OD矩阵的成本壁皇逐渐削弱。
[0004] 交通仿真是研究运用现代计算机技术再现实际交通的特性、分析交通系统在各种 设定条件下的可能行为，进而解决某种交通问题的一种手段。交通仿真研究道路可以深入 分析车辆、道路、交通的特征，对交通系统进行优化，因此，交通问题已经成为近几年的研究 热点之一。对交通系统的仿真研究可以分为三个层次：微观仿真、中观仿真和宏观仿真。微 观仿真可以描述车辆与周围交通环境的相互关系，能够在计算机上仿真出每一辆车在路网 上的运行，然而通过微观仿真来模拟整个城市的私家车辆信息，是目前学术界很少涉及的。
【发明内容】
[0005] 本发明的目的主要针对上述现有技术的一些不足之处，提出一种基于浮动车数据 的私家车出行数据集生成方法，通过对浮动车数据的处理，得到出租车之间的OD数据，基 于增长因子法得到不同功能区之间私家车OD矩阵，进而进行仿真模拟，生成整个城市的私 家车出行数据集。
[0006] 本发明是通过以下技术方案达到上述目的：一种基于浮动车数据的私家车出行数 据集生成方法，其特征在于包括如下步骤：
[0007] (11)根据某一城市的影像范围，获取对应区域的矢量数据，所述的矢量数据包括 道路矢量数据；
[0008] (12)将城市功能区的影像投影到步骤（11)所得矢量数据；
[0009] (13)基于电子地图，校正步骤（21)所得到的路网数据，主要修改道路前进方向， 路口处的道路连接，交通信号灯的位置等；
[0010] (14)修改步骤（22)所得到的电子地图，删除路网中的人行道和铁路，同时控制交 通信号灯的变换，得到整个城市的路网信息；
[0011] (15)基于图像处理技术，根据城市功能区的影像，得到所有功能区的边界坐标；
[0012] (16)基于功能区的边界，对步骤（23)所得到的整个城市的路网进行划分。
[0013] 其中，步骤（11)中，从OpenStreetMap服务器下载矢量数据。
[0014] 其中，所述步骤（12)具体包括以下步骤：
[0015] a)使用ArcMap为城市功能区影像植入矢量数据的坐标系；
[0016] b)将城市功能区影像的四个角的点坐标投影到目标矢量数据的坐标系下，为四个 角点设置经炜度坐标；
[0017] c)找到城市功能区影像与矢量数据不匹配的点，将该点配准到矢量数据中，直到 城市功能区影像与矢量数据完全匹配。
[0018] 本发明还提供一种基于浮动车数据的私家车出行数据集生成方法，其特征在于包 括如下步骤：
[0019] (21)存储并读取浮动车历史数据，对GPS数据中出租车GPS信息进行预处理，得到 浮动车OD数据集；
[0020] (22)对步骤（11)得到的OD数据集，依据城市功能区聚类得到不同功能区之间的 出租车OD矩阵；
[0021] (23)基于增长因子法，得到不同功能区之间的私家车OD矩阵。
[0022] 其中，所述步骤（21)具体包括如下步骤：
[0023] a)从文件中读取出租车GPS消息，判断"GPS状态"是否有效，如果GPS状态为0， 则舍去此条ig息；如果状态为1，存储该条ig息；
[0024] b)读取所有有效的出租车GPS消息，判断当前GPS消息的时间是否合理，如果不合 理，舍去此条信息；如果合理，存储该条信息；
[0025] c)得到所有有效GPS信息，将一天内所有同一 ID的GPS信息放到同一文件下，删 除重复项并且按照时间顺序排序；
[0026] d)如果当前GPS信息触发事件为1 (变载客），并且前一条GPS信息运营状态为 〇 (空车），保存该条信息；如果当前GPS信息触发事件为0 (变空车），并且前一条GPS信息 运营状态为1 (载客），保存该条信息；
[0027] e)整理筛选后的数据集，得到出租车每一次运营的起始点和终止点，得到浮动车 OD数据集。
[0028] 其中，所述的步骤（22)具体包含如下步骤：
[0029] a)按照经炜度0. 5x0. 5范围划分整个城市；
[0030] b)统计不同经炜度小格所包含的浮动车起始点和终止点；
[0031] c)依据社会功能区影像归类经炜度小方格，使得每一个经炜度小方格都位于某一 种社会功能区中。处于边界处的小方格，将其划分给所占面积超过1/2的社会功能区；
[0032] d)统计社会不同功能区中所有经炜度方格包含的出租车OD数据，得到不同社会 功能区之间的出租车OD矩阵。
[0033] 其中，所述的步骤（23)具体包含如下步骤：
[0034] a)统计不同的城市功能区所包含道路，根据不同道路上私家车和出租车数目比计 算该功能区内私家车数目；
[0035] 私家车数量的计算公式为：
[0037] 其中SP1表示某一社会功能区内私家车的数量。ST $该功能区内出租车的数目， α是城市内出租车日均出行次数与统计出租车OD数目的比值。P1是第i个功能区内某 条道路上出租车占整个区域内所有出租车数目的比值。
[0038] b)统计所有城市功能区内私家车的数量，得到不同城市功能区之间私家车OD矩 阵。
[0039] 本发明还提供一种基于浮动车数据的私家车数据集生成方法，其特征在于包含如 下步骤：
[0040] (31)将不同城市功能区之间的私家车OD矩阵转换成不同的私家车旅程信息；
[0041] (32)将步骤（31)得到旅程信息转换成私家车在城市中运行的不同的路径信息；
[0042] (33)基于步骤（32)得到的不同路径信息，进行仿真模拟。
[0043] 本发明的有益效果在于：
[0044] (1)以海量GPS数据作为研究基础，通过分析和处理GPS数据，得到整个城市的出 租车OD数据。较之传统调查方法，使用GPS数据得到的结果更具加精确，数据量也更大。
[0045] (2)从微观角度出发，模拟生成整个城市的私家车数据，克服了交通系统现场试验 实施困难，代价大的缺点，为交通枢纽的合理设计提供有力指导。
[0046] (3)以城市功能区为出发点，为传统车联网络注入社交属性，构建了不同城市功能 区间私家车的车载社交网络。为下一步车载社交网络提供了平台和更坚实的保障。
【附图说明】
[0047] 图1是本发明的整体流程图；
[0048] 图2是本发明基于城市影像获取路网数据的流程图；
[0049] 图3是本发明基于GPS数据获取出租车OD数据的流程图；
[0050] 图4是本发明不同功能区间私家车OD矩阵获取流程图；
[0051] 图5是本发明实例1中北京市某些功能区内所包含道路的示意图；
[0052] 图6是本发明实例2中北京市某些功能区内所包含的经炜度方格及其编号示意 图。
【具体实施方式】
[0053] 下面结合具体实施例对本发明进行进一步的描述，图1显示本发明的整体流程 图。
[0054] 实施例1 :基于城市功能区的路网生成方法
[0055] 本实例中涉及基于城市功能区的路网生成方法如图2,具体包括以下步骤：
[0056] (11)根据北京市的影像范围，从OpenStreetMap服务器下载对座矢量数据，所述 的矢量数据包括道路矢量数据。
[0057] (12)将北京市城市功能区的影像投影到步骤（11)所得矢量数据，具体过程如下：
[0058] 1)使用ArcMap为城市功能区影像植入矢量数据的坐标系；
[0059] 2)将城市功能区影像的四个角的点坐标投影到目标矢量数据的坐标系下，为四个 角点设置经炜度坐标；
[0060] 3)找到城市功能区影像与矢量数据不匹配的点，将该点配准到矢量数据中，直到 城市功能区影像与矢量数据匹配。
[0061] (13)基于电子地图，使用JOSM校正步骤（21)所得到的路网数据，主要修改道路前 进方向，路口处的道路连接，交通信号灯的位置等；
[0062] (14)使用SUMO/netconvert修改步骤（22)所得到的电子地图，删除人行道和铁 路，同时控制交通信号灯的变换，得到整个北京市的路网信息；
[0063] (15)根据城市功能区边界，使用opencv技术，得到所有功能区的边界坐标；
[0064] (16)基于功能区的边界，对步骤（23)所得到整个城市的路网进行划分。
[0065] 根据北京市部分城市功能区影像划分所得到的部分路网信