息，具体示意图见附图 5〇
[0066] 实施例2 :基于浮动车OD数据不同城市功能区间私家车OD矩阵生成方法。
[0067] 本实例涉及不同功能去之间私家车OD矩阵的生成方法，过程如下：
[0068] (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；
[0069] 本实施例采用北京市2012年12月共30天的12000辆出租车的GPS数据，图3所 示为浮动车数据OD数据处理方法，具体步骤如下：
[0070] 本实例中的出租车GPS数据集，其格式如下表1所示：
CN 105117595 A 说明书 5/6 页
[0072] 1)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；
[0073] 2)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；
[0074] 3)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；
[0075] 4)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；
[0076] 5)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。
[0077] 数据处理后的结果如表2所示：
[0079] (22)对步骤（11)得到的OD数据集，依据城市功能区进行聚类得到不同功能区之 间的OD矩阵；
[0080] 根据北京市城市功能区进行聚类方法，具体包含如下步骤：
[0081] 1)按照经炜度0. 5X0. 5范围划分北京市六环内部区域；
[0082] 2)统计不同经炜度小格所包含的浮动车起始点和终止点；
[0083] 3)依据城市功能区影像归类经炜度方格，使得每一个经炜度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的城市功能区；
[0084] 根据北京市不同城市功能区所划分得到的经炜度方格及其标号，具体示意图见附 图6〇
[0085] 4)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。
[0086] 经过聚类不同城市功能区内的经炜度方格，所得到不同城市功能区及其所包含经 炜度方格数目如表3 :
[0087] CN 105117595 A 说明书 6/6 页
[0088] 实例中共得到123个城市功能区，此表只给出了部分内容。
[0089] (23)基于增长因子法，得到不同功能区之间的私家车OD矩阵。
[0090] 虽然出租车的GPS数据并不能完全反应真实人们的出行状况，但我们可以在一定 程度上认为，出租车和私家车都能反应人类的出行意愿，只是选择的交通工具不同，因此我 们采用增长因子法来确定某一城市功能区内私家车的数量，图4是不同城市功能区之间私 家车OD矩阵获取流程图。具体过程如下：
[0091] 1)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。
[0092] 私家车数量的计算公式为：
[0094] 其中SP1表示某一社会功能区内私家车的数量。ST1S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。
[0095] 2)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。
[0096] 实施例3 :应用不同功能区间的私家车OD矩阵，仿真生成整个城市的私家车出行 数据
[0097] -种基于浮动车数据的私家车数据集生成方法，具体包含如下步骤：
[0098] (31)使用SUM0/od2trips，将不同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。
[0099] (32)使用SUMO/duarouter，将步骤（31)得到旅程信息转换成私家车在城市中运 行的路径信息。
[0100] (33)基于不同的路径信息，使用SUMO/sumo,进行仿真模拟。
【主权项】
1. 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： (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； (12) 将城市功能区的影像投影到步骤（11)所得矢量数据； (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； (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； (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； (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。2. 根据权利要求1所述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：步骤（11)中，从OpenStreetMap服务器下载矢量数据。3. 根据权利要求1或2所述的一种基于浮动车数据的私家车数据集生成方法，其特征 在于所述步骤（12)包括以下步骤： a) 使用ArcMap为城市功能区影像植入矢量数据的坐标系； 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； 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。4. 根据权利要求3所述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，所述方法还包括如下步骤： (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0D数据集； (22) 对步骤（11)得到的0D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0D矩阵； (23) 基于增长因子法，得到不同功能区之间的私家车0D矩阵。5. 根据权利要求4所述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：所述步骤（21)具体包括如下步骤： 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 去此条信息；如果状态为1，存储该条信息； 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fg息；如果合理，存储该条fg息； 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； 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0 (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； 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0D数 据集。6. 根据权利要求4或5所述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，所述的步骤（22)具体包含如下步骤： a) 按照经炜度0. 5x0. 5范围划分整个城市； b) 统计不同经炜度小格所包含的浮动车起始点和终止点； 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； 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。7. 根据权利要求6所述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，所述的步骤（23)具体包含如下步骤： 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； 私家车数量的计算公式为：其中SPi表示某一社会功能区内私家车的数量。3!\为该功能区内出租车的数目，a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。0i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。 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。8. 根据权利要求4、5或7所述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，所述方法还包括如下步骤： (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； (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； (33) 基于步骤（32)得到的不同路径信息，进行仿真模拟。
【专利摘要】本发明提供了一种基于浮动车数据的私家车数据集成方法，基于目标城市矢量数据投影该城市影像数据，并且配准目标城市的影像信息；基于目标城市影像得到不同城市功能区内的路网信息；根据GPS信息中的运营状态信息得到出租车OD数据；对整个城市进行经纬度划分，并确定不同城市功能区所包含的经纬度块；基于不同城市功能区之间的出租车OD矩阵，使用增长因子法得到私家车OD矩阵；根据私家车OD矩阵进行仿真。本发明通过分析长期海量的出租车GPS数据，结合不同城市功能区特有的社会属性，仿真生成目标城市中私家车的数据，可以为车载社交网络提供数据基础。
【IPC分类】G08G1/00, G06F19/00
【公开号】CN105117595
【申请号】CN201510508865
【发明人】孔祥杰, 夏锋, 高志强, 惠煌, 廉莲
【申请人】大连理工大学
【公开日】2015年12月2日
【申请日】2015年8月19日