随着车辆和道路基础设施的日益智能化,越来越多的汽车和路边基础设施安装了通信设备,这使得行驶在道路当中的车辆不再是一个个孤立的个体,以这些智能车辆作为移动社交网络新载体的车载社交网络正在快速兴起。借助这些智能汽车和智能设备,交通数据的采集手段和处理方法的深度革新为车载社交网络的研究提供了深度保障。但是仍有一个关键问题亟待解决：社会车辆出行轨迹数据的缺乏阻碍了更进一步地对车载社交网络中车辆社交属性的研究。本文从浮动车数据的角度出发,依托城市功能区对整个城市的划分,提出了具有普适性的社会车辆出行仿真场景的构建方法。首先,本文分析了城市功能区对人类移动行为规律的影响,通过分析浮动车数据中出租车乘客的出行状况,来挖掘不同城市功能区之间居民的移动模式。其次,结合这些出行规律和官方数据我们可以得到社会车辆出行的预测OD矩阵信息,并使用重力模型和广义最小二乘法标定场景中社会车辆出行的OD矩阵,完成场景中的需求部分。再次,我们将城市功能区影响投影至城市路网数据,并对电子路网数据进行编辑修改,构建场景中的路网需求。最后,我们借助仿真工具SUMO,从微观角度生成了北京市五环范围内早高峰,午高峰,晚高峰和夜间平峰的社会车辆出行轨迹,还生成了周二～周四,周六,周日三类交通的共计三天72小时的车辆轨迹。本文基于浮动车数据和城市功能区,构建了城市中社会车辆出行的仿真场景,通过与真实交通状况的对比证明了本文场景的优越性。该方法突破了传统车辆仿真对调查报告的依赖,是微观仿真场景的一次新尝试。