一種基于浮動(dòng)車數(shù)據(jù)的私家車出行數(shù)據(jù)集成方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于車載社交網(wǎng)絡(luò)領(lǐng)域，特別涉及私家車出行的OD矩陣生成方法以及私 家車出行數(shù)據(jù)集的生成方法。
【背景技術(shù)】
[0002] 隨著車輛和公路的日益智能化，越來越多的汽車和路邊基礎(chǔ)設(shè)施安裝了通信設(shè) 備，使得行駛在道路上的車輛不再是一個(gè)個(gè)孤立的個(gè)體。智能汽車作為移動(dòng)社交網(wǎng)絡(luò)的新 載體，為用戶提供了新的移動(dòng)通信方式，將社交網(wǎng)絡(luò)和車聯(lián)網(wǎng)絡(luò)相結(jié)合，形成了車載社交網(wǎng) 絡(luò)（VSN, vehicular social network)。車載社交網(wǎng)絡(luò)中，驅(qū)使用戶聚集或形成社群的主要 因素是地理位置和社群用戶興趣，以及同行或相遇車輛之間的相互協(xié)作。因此車載社交網(wǎng) 絡(luò)具有自組織，社群形成迅捷，社會(huì)信息豐富等優(yōu)勢(shì)。
[0003] 在車載社交網(wǎng)絡(luò)中，OD矩陣是一項(xiàng)關(guān)鍵的基礎(chǔ)數(shù)據(jù)，它可以反映實(shí)際交通路網(wǎng)中 的真實(shí)交通分布。無論是進(jìn)行交通網(wǎng)的規(guī)劃，還是對(duì)城市進(jìn)行合理的交通控制，OD矩陣都 起著很重要的作用。此外，在交通仿真系統(tǒng)中，OD矩陣也是基本的仿真輸入數(shù)據(jù)。早期的 靜態(tài)OD矩陣估計(jì)方法都是采用交通調(diào)查問卷，電話詢問方式進(jìn)行，這種方法時(shí)效性差，耗 費(fèi)巨大。近年來，隨著計(jì)算機(jī)技術(shù)和信息技術(shù)發(fā)展，GPS數(shù)據(jù)更加精確，采集方式也更簡(jiǎn)捷， 使得使用GPS數(shù)據(jù)估測(cè)OD矩陣的成本壁皇逐漸削弱。
[0004] 交通仿真是研究運(yùn)用現(xiàn)代計(jì)算機(jī)技術(shù)再現(xiàn)實(shí)際交通的特性、分析交通系統(tǒng)在各種 設(shè)定條件下的可能行為，進(jìn)而解決某種交通問題的一種手段。交通仿真研究道路可以深入 分析車輛、道路、交通的特征，對(duì)交通系統(tǒng)進(jìn)行優(yōu)化，因此，交通問題已經(jīng)成為近幾年的研究 熱點(diǎn)之一。對(duì)交通系統(tǒng)的仿真研究可以分為三個(gè)層次：微觀仿真、中觀仿真和宏觀仿真。微 觀仿真可以描述車輛與周圍交通環(huán)境的相互關(guān)系，能夠在計(jì)算機(jī)上仿真出每一輛車在路網(wǎng) 上的運(yùn)行，然而通過微觀仿真來模擬整個(gè)城市的私家車輛信息，是目前學(xué)術(shù)界很少涉及的。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的主要針對(duì)上述現(xiàn)有技術(shù)的一些不足之處，提出一種基于浮動(dòng)車數(shù)據(jù) 的私家車出行數(shù)據(jù)集生成方法，通過對(duì)浮動(dòng)車數(shù)據(jù)的處理，得到出租車之間的OD數(shù)據(jù)，基 于增長(zhǎng)因子法得到不同功能區(qū)之間私家車OD矩陣，進(jìn)而進(jìn)行仿真模擬，生成整個(gè)城市的私 家車出行數(shù)據(jù)集。
[0006] 本發(fā)明是通過以下技術(shù)方案達(dá)到上述目的：一種基于浮動(dòng)車數(shù)據(jù)的私家車出行數(shù) 據(jù)集生成方法，其特征在于包括如下步驟：
[0007] (11)根據(jù)某一城市的影像范圍，獲取對(duì)應(yīng)區(qū)域的矢量數(shù)據(jù)，所述的矢量數(shù)據(jù)包括 道路矢量數(shù)據(jù)；
[0008] (12)將城市功能區(qū)的影像投影到步驟（11)所得矢量數(shù)據(jù)；
[0009] (13)基于電子地圖，校正步驟（21)所得到的路網(wǎng)數(shù)據(jù)，主要修改道路前進(jìn)方向， 路口處的道路連接，交通信號(hào)燈的位置等；
[0010] (14)修改步驟（22)所得到的電子地圖，刪除路網(wǎng)中的人行道和鐵路，同時(shí)控制交 通信號(hào)燈的變換，得到整個(gè)城市的路網(wǎng)信息；
[0011] (15)基于圖像處理技術(shù)，根據(jù)城市功能區(qū)的影像，得到所有功能區(qū)的邊界坐標(biāo)；
[0012] (16)基于功能區(qū)的邊界，對(duì)步驟（23)所得到的整個(gè)城市的路網(wǎng)進(jìn)行劃分。
[0013] 其中，步驟（11)中，從OpenStreetMap服務(wù)器下載矢量數(shù)據(jù)。
[0014] 其中，所述步驟（12)具體包括以下步驟：
[0015] a)使用ArcMap為城市功能區(qū)影像植入矢量數(shù)據(jù)的坐標(biāo)系；
[0016] b)將城市功能區(qū)影像的四個(gè)角的點(diǎn)坐標(biāo)投影到目標(biāo)矢量數(shù)據(jù)的坐標(biāo)系下，為四個(gè) 角點(diǎn)設(shè)置經(jīng)煒度坐標(biāo)；
[0017] c)找到城市功能區(qū)影像與矢量數(shù)據(jù)不匹配的點(diǎn)，將該點(diǎn)配準(zhǔn)到矢量數(shù)據(jù)中，直到 城市功能區(qū)影像與矢量數(shù)據(jù)完全匹配。
[0018] 本發(fā)明還提供一種基于浮動(dòng)車數(shù)據(jù)的私家車出行數(shù)據(jù)集生成方法，其特征在于包 括如下步驟：
[0019] (21)存儲(chǔ)并讀取浮動(dòng)車歷史數(shù)據(jù)，對(duì)GPS數(shù)據(jù)中出租車GPS信息進(jìn)行預(yù)處理，得到 浮動(dòng)車OD數(shù)據(jù)集；
[0020] (22)對(duì)步驟（11)得到的OD數(shù)據(jù)集，依據(jù)城市功能區(qū)聚類得到不同功能區(qū)之間的 出租車OD矩陣；
[0021] (23)基于增長(zhǎng)因子法，得到不同功能區(qū)之間的私家車OD矩陣。
[0022] 其中，所述步驟（21)具體包括如下步驟：
[0023] a)從文件中讀取出租車GPS消息，判斷"GPS狀態(tài)"是否有效，如果GPS狀態(tài)為0， 則舍去此條ig息；如果狀態(tài)為1，存儲(chǔ)該條ig息；
[0024] b)讀取所有有效的出租車GPS消息，判斷當(dāng)前GPS消息的時(shí)間是否合理，如果不合 理，舍去此條信息；如果合理，存儲(chǔ)該條信息；
[0025] c)得到所有有效GPS信息，將一天內(nèi)所有同一 ID的GPS信息放到同一文件下，刪 除重復(fù)項(xiàng)并且按照時(shí)間順序排序；
[0026] d)如果當(dāng)前GPS信息觸發(fā)事件為1 (變載客），并且前一條GPS信息運(yùn)營(yíng)狀態(tài)為 〇 (空車），保存該條信息；如果當(dāng)前GPS信息觸發(fā)事件為0 (變空車），并且前一條GPS信息 運(yùn)營(yíng)狀態(tài)為1 (載客），保存該條信息；
[0027] e)整理篩選后的數(shù)據(jù)集，得到出租車每一次運(yùn)營(yíng)的起始點(diǎn)和終止點(diǎn)，得到浮動(dòng)車 OD數(shù)據(jù)集。
[0028] 其中，所述的步驟（22)具體包含如下步驟：
[0029] a)按照經(jīng)煒度0. 5x0. 5范圍劃分整個(gè)城市；
[0030] b)統(tǒng)計(jì)不同經(jīng)煒度小格所包含的浮動(dòng)車起始點(diǎn)和終止點(diǎn)；
[0031] c)依據(jù)社會(huì)功能區(qū)影像歸類經(jīng)煒度小方格，使得每一個(gè)經(jīng)煒度小方格都位于某一 種社會(huì)功能區(qū)中。處于邊界處的小方格，將其劃分給所占面積超過1/2的社會(huì)功能區(qū)；
[0032] d)統(tǒng)計(jì)社會(huì)不同功能區(qū)中所有經(jīng)煒度方格包含的出租車OD數(shù)據(jù)，得到不同社會(huì) 功能區(qū)之間的出租車OD矩陣。
[0033] 其中，所述的步驟（23)具體包含如下步驟：
[0034] a)統(tǒng)計(jì)不同的城市功能區(qū)所包含道路，根據(jù)不同道路上私家車和出租車數(shù)目比計(jì) 算該功能區(qū)內(nèi)私家車數(shù)目；
[0035] 私家車數(shù)量的計(jì)算公式為：
[0037] 其中SP1表示某一社會(huì)功能區(qū)內(nèi)私家車的數(shù)量。ST $該功能區(qū)內(nèi)出租車的數(shù)目， α是城市內(nèi)出租車日均出行次數(shù)與統(tǒng)計(jì)出租車OD數(shù)目的比值。P1是第i個(gè)功能區(qū)內(nèi)某 條道路上出租車占整個(gè)區(qū)域內(nèi)所有出租車數(shù)目的比值。
[0038] b)統(tǒng)計(jì)所有城市功能區(qū)內(nèi)私家車的數(shù)量，得到不同城市功能區(qū)之間私家車OD矩 陣。
[0039] 本發(fā)明還提供一種基于浮動(dòng)車數(shù)據(jù)的私家車數(shù)據(jù)集生成方法，其特征在于包含如 下步驟：
[0040] (31)將不同城市功能區(qū)之間的私家車OD矩陣轉(zhuǎn)換成不同的私家車旅程信息；
[0041] (32)將步驟（31)得到旅程信息轉(zhuǎn)換成私家車在城市中運(yùn)行的不同的路徑信息；
[0042] (33)基于步驟（32)得到的不同路徑信息，進(jìn)行仿真模擬。
[0043] 本發(fā)明的有益效果在于：
[0044] (1)以海量GPS數(shù)據(jù)作為研究基礎(chǔ)，通過分析和處理GPS數(shù)據(jù)，得到整個(gè)城市的出 租車OD數(shù)據(jù)。較之傳統(tǒng)調(diào)查方法，使用GPS數(shù)據(jù)得到的結(jié)果更具加精確，數(shù)據(jù)量也更大。
[0045] (2)從微觀角度出發(fā)，模擬生成整個(gè)城市的私家車數(shù)據(jù)，克服了交通系統(tǒng)現(xiàn)場(chǎng)試驗(yàn) 實(shí)施困難，代價(jià)大的缺點(diǎn)，為交通樞紐的合理設(shè)計(jì)提供有力指導(dǎo)。
[0046] (3)以城市功能區(qū)為出發(fā)點(diǎn)，為傳統(tǒng)車聯(lián)網(wǎng)絡(luò)注入社交屬性，構(gòu)建了不同城市功能 區(qū)間私家車的車載社交網(wǎng)絡(luò)。為下一步車載社交網(wǎng)絡(luò)提供了平臺(tái)和更堅(jiān)實(shí)的保障。
【附圖說明】
[0047] 圖1是本發(fā)明的整體流程圖；
[0048] 圖2是本發(fā)明基于城市影像獲取路網(wǎng)數(shù)據(jù)的流程圖；
[0049] 圖3是本發(fā)明基于GPS數(shù)據(jù)獲取出租車OD數(shù)據(jù)的流程圖；
[0050] 圖4是本發(fā)明不同功能區(qū)間私家車OD矩陣獲取流程圖；
[0051] 圖5是本發(fā)明實(shí)例1中北京市某些功能區(qū)內(nèi)所包含道路的示意圖；
[0052] 圖6是本發(fā)明實(shí)例2中北京市某些功能區(qū)內(nèi)所包含的經(jīng)煒度方格及其編號(hào)示意 圖。
【具體實(shí)施方式】
[0053] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步的描述，圖1顯示本發(fā)明的整體流程 圖。
[0054] 實(shí)施例1 :基于城市功能區(qū)的路網(wǎng)生成方法
[0055] 本實(shí)例中涉及基于城市功能區(qū)的路網(wǎng)生成方法如圖2,具體包括以下步驟：
[0056] (11)根據(jù)北京市的影像范圍，從OpenStreetMap服務(wù)器下載對(duì)座矢量數(shù)據(jù)，所述 的矢量數(shù)據(jù)包括道路矢量數(shù)據(jù)。
[0057] (12)將北京市城市功能區(qū)的影像投影到步驟（11)所得矢量數(shù)據(jù)，具體過程如下：
[0058] 1)使用ArcMap為城市功能區(qū)影像植入矢量數(shù)據(jù)的坐標(biāo)系；
[0059] 2)將城市功能區(qū)影像的四個(gè)角的點(diǎn)坐標(biāo)投影到目標(biāo)矢量數(shù)據(jù)的坐標(biāo)系下，為四個(gè) 角點(diǎn)設(shè)置經(jīng)煒度坐標(biāo)；
[0060] 3)找到城市功能區(qū)影像與矢量數(shù)據(jù)不匹配的點(diǎn)，將該點(diǎn)配準(zhǔn)到矢量數(shù)據(jù)中，直到 城市功能區(qū)影像與矢量數(shù)據(jù)匹配。
[0061] (13)基于電子地圖，使用JOSM校正步驟（21)所得到的路網(wǎng)數(shù)據(jù)，主要修改道路前 進(jìn)方向，路口處的道路連接，交通信號(hào)燈的位置等；
[0062] (14)使用SUMO/netconvert修改步驟（22)所得到的電子地圖，刪除人行道和鐵 路，同時(shí)控制交通信號(hào)燈的變換，得到整個(gè)北京市的路網(wǎng)信息；
[0063] (15)根據(jù)城市功能區(qū)邊界，使用opencv技術(shù)，得到所有功能區(qū)的邊界坐標(biāo)；
[0064] (16)基于功能區(qū)的邊界，對(duì)步驟（23)所得到整個(gè)城市的路網(wǎng)進(jìn)行劃分。
[0065] 根據(jù)北京市部分城市功能區(qū)影像劃分所得到的部分路網(wǎng)信