[发明专利]一种基于浮动车数据的私家车出行数据集成方法

说明书

技术领域

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

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。

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矩阵的成本壁垒逐渐削弱。

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

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。

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：

(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(12)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(13)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(14)所得到的整个城市的路网进行划分。

其中，步骤(11)中，从OpenStreetMap服务器下载矢量数据。

其中，所述步骤(12)具体包括以下步骤：

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，为四个角点设置经纬度坐标；

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。

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：

(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；

(22)对步骤(21)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；

(23)基于增长因子法，得到不同功能区之间的私家车OD矩阵。

其中，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，舍去此条信息；如果合理，存储该条信息；

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；