[發明專利]一種基于城市特征的車輛軌跡數據模擬方法

在審

• 申請號: 201811437019.7
• 申請日: 2018-11-28
• 公開（公告）號: CN109598432A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 沃天宇;陳凱恒;王媛冬;張炳振;林學練
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02;G06F16/29
• 代理公司: 北京中創陽光知識產權代理有限責任公司 11003
• 代理人: 尹振啟

本發明提出一種基于城市特征的車輛軌跡數據模擬方法，為了實現上述發明目的，本發明提供了一種基于城市特征的車輛軌跡模擬方法。該方法的步驟如圖1所示：步驟1，數據與預處理；步驟2，特征提取；步驟3，軌跡模擬。本發明以歷史軌跡數據、上下車地點標注數據以及地圖數據等多元數據作為輸入，經過特征提取、行程模擬以及軌跡模擬等多個處理步驟，輸出與歷史數據具有相似交通特征與城市特征的軌跡數據。

技術領域

本發明涉及一種信息處理領域，尤其涉及一種基于城市特征的車輛軌跡數據模擬方法。

背景技術

信息科學、計算科學和數據科學的快速發展推動了互聯網技術的快速發展，為人們的工作和生活帶來了諸多便利。作為互聯網在交通領域的重要應用，車聯網技術的發展直接關系到人們出行的便捷性和安全性。車聯網領域的研究問題主要集中在數據的收集、線上計算與線下挖掘以及數據管理的整個系統的研究與實現上，而支撐這些研究的最基本要求就是車輛的數據。

然而，規模型車輛數據的所有權一般由政府和企業單位所有，如政府擁有公交車數據，出租車和網約車公司擁有大量出租車和網約車的行駛數據。雖然某些政府機構和公司會開放車輛數據(如紐約開放出租車數據，滴滴開放網約車數據)，但基于數據對用戶隱私的敏感性，一般都對車輛的行駛數據進行了一定的處理。紐約公交車出行軌跡數據則直接省略了車輛的行程細節，只保留了乘客上車與下車的時間、地點等信息。這對于研究車聯網流數據處理系統、時空數據索引系統、軌跡存儲系統以及軌跡模型、地域相關性等方面的研究帶來了諸多不便。因此數據的缺乏或者數據的信息保留與用戶的隱私保護之間的矛盾是車聯網研究領域的一大障礙。解決這個問題的一種途徑是發明一種車輛軌跡數據模擬方法，使得模擬數據在一定程度上反應歷史數據的相關特性。

交通仿真在國內外已經得到了大量的研究，其主要內容是運用現代計算機技術模擬現實交通系統，是設計、分析和評價交通方案的重要技術方法。到目前為止，絕大多數交通仿真軟件都是為了研究在給定條件下的交通系統的特性或者交通系統的可能行為，以尋求交通問題的最優解。根據描述交通系統的尺度差異，交通仿真模型一般被劃分為宏觀仿真模型、中觀仿真模型和微觀仿真模型。

宏觀交通仿真模型對交通系統的要素、實體、行為及其相互作用的細節描述非常粗糙，例如通過流密度等關系來描述交通流的一些集聚性的宏觀模型，對車道變換之類的細節行為可能根本不予以描述。宏觀模型的重要參數是車輛速度、密度和流量。相對于宏觀模型來說，中觀模型對交通系統要素、實體運動和相互作用的細節描述程度要比宏觀模型高得多。而微觀交通仿真模型則非常細致地描述了交通系統的交通環境及車輛實體等構成要素，因而它對交通系統的要素及行為等的細節描述程度是3種模型中最高的。微觀交通仿真一般以單個車輛為模擬對象，通過一些相對簡單有效的仿真模型來模擬車輛在不同道路和交通條件下的路網上運行，并以動態圖像的形式顯示出來，在描述和評價路網交通流狀況方面具有傳統數學模型所無法比擬的優越性。

從上述分析來看，傳統的交通仿真模型并不適合車聯網軌跡數據的模擬場景。一方面，傳統交通仿真模型很少考慮到真實歷史數據已經反映的交通特性；另一方面，車聯網軌跡數據的模擬場景既包括單輛車的軌跡數據，又包括大量車軌跡數據的整體特征，因此無法簡單將其歸結到傳統交通仿真模型的分類中。

發明內容

本發明提出一種基于城市特征的車輛軌跡數據模擬方法，為了實現上述發明目的，本發明提供了一種基于城市特征的車輛軌跡模擬方法。該方法的步驟如圖1所示：步驟1，數據與預處理；步驟2，特征提取；步驟3，軌跡模擬。

本發明以歷史軌跡數據、上下車地點標注數據以及地圖數據等多元數據作為輸入，經過特征提取、行程模擬以及軌跡模擬等多個處理步驟，輸出與歷史數據具有相似交通特征與城市特征的軌跡數據。

附圖說明

圖1為現有技術的容器部署架構的整體框架圖；

圖2為生成模擬軌跡集的運行流程圖。