[发明专利]一种基于LZW编码的道路交通空间数据压缩方法

说明书

技术领域

本发明属于道路交通数据处理领域，涉及道路交通数据的分析与 压缩，是一种道路交通数据的压缩方法。

背景技术

随着智能交通系统数据采集技术的不断发展，基于连续采集得到 的智能交通数据，交通领域即将面临海量数据问题，必须对其进行有 效的数据压缩,才能进行处理、分析和存储。

交通流数据的内在特征主要包括：周期性、相似性、相关性等。 邻近路段的交通流之间存在着复杂的时空关联关系，往往相似性较 高，同一交通流在时间上表现出极强的相关性与周期性。这些相似性 表明数据中存在大量的冗余信息。

基于交通流相似性的特征，目前已有多种方法应用到道路交通数 据压缩领域中。主要包括：主成分分析法(PCA)、独立成分分析 (ICA)、预测编码与字典编码串联法、基于小波(包)变换方法、 人工神经网络、压缩感知等方法。其主要利用变换域的思想，将道路 交通数据进行多尺度变换并进行相关处理，实现数据的压缩，并且取 得较好的效果。但是算法实现较为复杂。

发明内容

为了克服已有道路交通数据压缩方法的算法复杂、处理速度较低 的不足，本发明提供一种简化算法、有效的提高处理速度的基于LZW 编码的道路交通空间数据压缩方法。

本发明解决其技术问题所采用的技术方案是：

一种基于LZW编码的道路交通空间数据压缩方法，所述方法包 括如下步骤：

1)获取同一模态下、空间上的不同路段的道路交通数据建立道 路交通特征参考序列，基于空间相关性分析，选择基准路段，并将其 数据作为空间上的道路交通基准数据；

2)提取同一模态下、空间上其它路段的历史数据，作为训练数 据，基于同一模态下、空间上的道路交通基准数据，确定空间道路交 通差值数据的最优阈值；

3)获取同一模态下、空间上其它路段的实时数据，作为实验数据， 基于同一模态下、空间上的道路交通基准数据，获取空间上的道路交 通差值数据；

4)基于LZW编码实现空间道路交通差值数据的压缩；

5)基于LZW解码实现空间道路交通实时数据的重构。

进一步，所述步骤1)包括如下步骤：

1.1)道路交通运行模态的划分

道路交通运行模态的划分分为两个层次：路网层和路段层，设定 路网层的交通运行模态的划分标识将道路的交通运行模态划分为g 种子模态，路段层的交通运行模态的划分标识将道路的交通运行模态 划分为h种子模态，则道路的交通运行模态一共划分为g×h种，记为 集合M_ode＝{M11，M12，…，M_gh}，其中g和h的取值根据所选交通 运行模态的划分标识确定；

1.2)设计道路交通特征参考序列的结构

设定道路交通状态数据的采集周期是Δt；

道路交通特征参考序列的表格式如表1和表2所示：

表1.道路交通特征参考序列信息表

表2.道路交通特征参考序列描述表

设定共选定p条具有空间相关特性的路段，记为：

L＝[L₁L₂…L_p](1)

其中，p表示道路空间上的路段条数；L_i(1≤i≤p)表示第i条路段； L表示选择的具有空间相关特性路段的集合；

1.3)道路交通空间基准数据的获取

空间路段的道路交通流之间存在空间关联关系，基于道路交通空 间数据的相关性，选择基准路段，提取基准路段的数据作为道路交通 基准数据。

再进一步，所述步骤2)中，提取空间上其它路段的数据，作为 训练数据；模态M_gh下、基于空间上的道路交通基准数据，获取同一 模态M_gh下、空间上的道路交通差值数据并进行阈值处理，通过LZW 编码训练最优阈值，其一般表达式如下：

S_i(m*Δt，M_gh)＝ST_i(m*Δt，M_gh)-SB(m*Δt，M_gh)(2)