车联网和大数据息息相关。通过社会车辆(如私家车等)和浮动车辆(如出租车、公交车等)的轨迹数据,可以构建复杂多样的车辆社交网络。浮动车辆的轨迹数据集可以轻易地从互联网上获得;然而,由于政府政策对个人隐私的保护,研究人员难以获得社会车辆的轨迹数据,极大得阻碍了深入研究和相关领域的发展进步。因此,研究出私家车轨迹数据集生成方法,对于智慧城市建设、交通流规划及预测等具有深远意义和价值。基于人类出行时空交互理论,本文构建了两种私家车轨迹数据集生成模型。(1)从人类出行的种类和目的的角度,构建基于区域表征的车辆轨迹数据集生成模型。本文提出邻近道路分割法,表征和划分城市功能区。深入分析城市车辆的流动模式,提出区域间人口权重机会模型,并根据预测出的区域间交通量,生成私家车轨迹数据集。(2)从交互行为和出行博弈的角度,构建基于决策行为的车辆轨迹数据集生成模型。汲取博弈论思想,考虑集群中个体彼此的影响,使用面向群体博弈的出行决策效用模型,使用已有的出租车历史轨迹,预测出未来时间段内的私家车区域间交通量。考虑拥堵效应的影响,结合生成对抗网络训练轨迹预测模型,生成符合社会规律的私家车轨迹数据集。本文基于北京出租车轨迹数据、POI数据、城市统计数据等,研究范围为北京五环内地区。本文从宏观和微观两个角度构建了验证模型。结果证明生成的数据具有较高准确性和使用价值,能够为车联网和交通研究工作提供强有力的数据支持。