[发明专利]一种时空数据序列的压缩方法、装置及收集系统

权利要求书

1.一种时空数据序列的压缩方法，其特征在于，包括：

根据时空数据序列中的位置坐标信息构建平滑去噪模型，其中，所述平滑去噪模型包括噪音测量矩阵、状态转换矩阵以及卡尔曼滤波方程；

根据所述平滑去噪模型对所述时空数据序列进行平滑去噪处理；

根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理，以实现对所述时空数据序列的压缩。

2.根据权利要求1所述的时空数据序列的压缩方法，其特征在于，在所述根据时空数据序列中的位置坐标信息构建平滑去噪模型的步骤之前，所述时空数据序列的压缩方法还包括：将多个时空数据按照时间戳的先后顺序排列，以构建所述时空数据序列。

3.根据权利要求1所述的时空数据序列的压缩方法，其特征在于，所述噪音测量矩阵是根据进行构建的；所述状态转化矩阵是根据系统矩阵、多个时空数据以及噪音项构建的；所述卡尔曼滤波方程包括外推方程和/或根据所述外推方程得到的估计方程。

4.根据权利要求1所述的时空数据序列的压缩方法，其特征在于，根据所述平滑去噪模型对所述时空数据序列进行平滑去噪处理的步骤包括：根据所述平滑去噪模型识别出所述时空数据序列中的噪音数据，计算所述噪音数据对应的估计值，用所述估计值替换所述噪音数据，以实现对所述时空数据序列的平滑去噪处理。

5.根据权利要求1所述的时空数据序列的压缩方法，其特征在于，所述根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理的步骤包括：

步骤1，将经过平滑去噪处理的时空数据序列的首节点和尾节点连成直线段；

步骤2，依次计算所述时空数据序列中的时空数据到所述直线段的垂直欧式距离，并判断所述垂直欧式距离是否小于或等于位置误差阈值；若是，则执行步骤3；若否，则转到步骤5；

步骤3，判断是否所有时空数据的垂直欧式距离均计算完毕；若否，则执行步骤4；若是，则转到步骤6；

步骤4，代入时空数据序列中的下一数据返回至所述步骤2；

步骤5，在当前时空数据对应的位置处将当前时空数据序列分裂为两段时空数据序列，然后返回至所述步骤1；

步骤6，结束压缩处理步骤，得到由多条依次相连的直线段组成的时空数据序列，完成对所述时空数据序列的压缩。

6.根据权利要求5所述的时空数据序列的压缩方法，其特征在于，在所述垂直欧式距离小于或等于所述位置误差阈值的情况下，在执行所述步骤3之前，所述步骤2还包括：判断所述垂直欧式距离对应的时空数据的状态维度是否小于或等于状态阈值，若是，则执行所述步骤3；若否，则转到所述步骤5。

7.一种时空数据序列的压缩装置，其特征在于，包括：

平滑去噪模型构建模块，用于根据时空数据序列中的位置坐标信息构建平滑去噪模型，其中，所述平滑去噪模型包括噪音测量矩阵、状态转换矩阵以及卡尔曼滤波方程；

平滑去噪处理模块，用于根据所述平滑去噪模型对所述时空数据序列进行平滑去噪处理；

压缩处理模块，用于根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理，以实现对所述时空数据序列的压缩。

8.一种时空数据序列收集系统，其特征在于，包括：

数据采集装置，用于采集时空数据，将所述时空数据上传至数据压缩处理装置；

数据压缩处理装置，用于构建时空数据序列，根据所述时空数据序列中的位置坐标信息构建平滑去噪模型，其中，所述平滑去噪模型包括噪音测量矩阵、状态转换矩阵以及卡尔曼滤波方程；根据所述平滑去噪模型对所述时空数据序列进行平滑去噪处理；根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理，以实现对所述时空数据序列的压缩；

数据存储装置，用于收集所述经过压缩处理的时空数据序列。