一种基于lzw编码的道路交通空间数据压缩方法
【技术领域】
[0001 ]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】
[0002] 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。
[0003] 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。
[0004] 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】
[0005] 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。
[0006] 本发明解决其技术问题所采用的技术方案是：
[0007] -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：
[0008] 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；
[0009] 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；
[0010] 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；
[0011] 4)基于LZW编码实现空间道路交通差值数据的压缩；
[0012] 5)基于LZW解码实现空间道路交通实时数据的重构。
[0013] 进一步，所述步骤1)包括如下步骤：
[0014] 1.1)道路交通运行模态的划分
[0015]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 X h 种，记为集合1<1(3={111，112，-_，1^}，其中8和11的取值根据所选交通运行模态的划分标识 确定；
[0016] 1.2)设计道路交通特征参考序列的结构
[0017] 设定道路交通状态数据的采集周期是Δ t;
[0018] 道路交通特征参考序列的表格式如表1和表2所示：
[0019] 弄1 .i首路夺诵特征参考序列信息弄
[0020]
[0021] 衷2.道路交通特征参考序列描沭衷
[0022]
[0023] 设定共选定p条具有空间相关特性的路段，记为：
[0024] L=[LiL2---Lp] (1)
[0025] 其中，p表示道路空间上的路段条数;Uagigp)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；
[0026] 1.3)道路交通空间基准数据的获取
[0027] 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。
[0028] 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Mgh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：
[0029] Si(m*At，Mgh)=STi(m*At，Mgh)-SB(m*At，Mgh) (2)
[0030] ei(m，Mgh) = [Si( Δ t，Mgh)Si(2*A t，Mgh)."Si(m*A t，Mgh)] (3)
[0031]
(4)
[0032] pei(n，Mgh) =w(hei(m，Mgh)) (5)
[0033] pei(n，Mgh) = [Si'（l，Mgh)Si'（2，Mgh)...Si'（n，Mgh)] (6)
[0034] 其中，△ t为道路交通状态数据的采集周期；（m* △ t)为第m个道路交通状态数据采 集周期，(^ m<N，N表示每天采集的交通信息的数量；i(l<i<p)表示选取第i条路段;SI\ (m* Δ t，Mgh)表示模态Mgh下、(m* Δ t)时亥Iji路段的道路交通数据;SB(m* Δ t，Mgh)表示模态Mgh 下、(m* Δ t)时刻基准路段的基准数据;Si(m* Δ t，Mgh)表示模态Mgh下、（m* Δ t)时亥Iji路段的 训练数据与基准路段的基准数据的差值数据;ei(m，Mgh)表示模态M gh下、At到(m*At)时段i 路段的训练数据与基准路段的基准数据的差值数据;hei(m，Mgh)表示模态Mgh下、Δ t到(m* Δ t)时段阈值处理的i路段的训练数据与基准路段的基准数据的差值数据;Edmjgh)表示模 态Mgh下、Δ t到(m* Δ t)时段i路段选取的阈值;pei(n，Mgh)表示模态Mgh下、Δ t到(m* Δ t)时 段i路段与基准路段的差值数据经LZW编码后的结果;Si'（n，Mgh)为模态Mgh下、Δ t到(m* Δ t) 时段i路段与基准路段的差值数据经LZW编码后的结果中第η个数据;m表示在模态Mgh下、Δ t 到(m* At)时段压缩前的i路段与基准路段的差值数据的数量;η表示在模态Mgh下、At到(m* A t)时段压缩后的道路交通数量;w表示LZW编码;压缩比为$ η °
[0035] 更进一步，所述步骤3)中，提取空间上其它路段的数据，作为实时数据;模态Mgh下、 基于空间上的道路交通基准数据，获取道路交通差值数据，其一般表达式如下：
[0036] MSj(m*At，Mgh)=SMj(m*At，Mgh)-SB(m*At，Mgh) (7)
[0037] errj(m，Mgh) = [MSj( Δ t，Mgh)MSj(2*A t，Mgh)".MSj(m*A t，Mgh)] (8)
[0038] 其中，j(l < i < p)表示第j条路段;SMj(m* Δ t，Mgh)表示模态Mgh下、(m*A t)时亥Ijj路 段的实时数据;MSj(m* Δ t，Mgh)为模态Mgh下、(m* Δ t)时刻j路段的实时数据与基准路段的基 准数据的差值数据;e^(m，Mgh)为模态Mgh下、Δ t到(m* Δ t)时段j路段的实时数据与基准路 段的基准数据的差值数据。
[0039] 所述步骤4)中，基于LZW编码实现道路交通空间数据的压缩，将i路段与基准路段 的差值数据训练的最佳阈值引入到同一模态.、』_路段与基准路段的差值数据中，结合LZW 编码，实现j路段与基准路段差值数据的压缩，其一般表达式如下：
[0040]
(9)
[0041] perrj(Tn，Mgh) =w(herrj(m，Mgh)) (10)
[0042] perr j (Τη，Mgh) = [ MS j '（ 1，Mgh) MS j '（ 2，Mgh) ...MS j '（ Τη，Mgh) ] (11)
[0043] 其中，Ec^Mgh)表示训练的最优阈值;herrj(m，Mgh)表示模态M gh下、At到(m*At) 时段j路段的实时数据与基准路段的基准数据的差值数据;m表示模态Mgh下、At到(m* At) 时段压缩前j路段与基准路段的差值数据的数量;pe^(Tn，Mgh)表示模态Mgh下、Δ t到(πι*Δ t)时段压缩后j路段与基准路段的差值数据的数量;Τη表示模态Mgh下、At到(m* At)时段j 路段与基准路段的差值数据压缩后的数量;MS/(Tn，Mgh)表示模态Mgh下、At到(m*At)时段 j路段与基准路段的差值数据压缩结果的第Τη个数据;压缩比为
[0044] 所述步骤5)中，基于LZW解码技术，对j路段与基准路段的差值数据进行重构，结合 基准数据，实现j路段实时数据的解压缩，其一般表达式如下：
[0045] dperrj(m，Mgh) =w'（perrj(Tn，Mgh)) (12)
[0046] CSMj(m，Mgh) =SB(m，Mgh)+dper;rj(m，Mgh) (13)
[0047] 其中，w'表示LZW的反解码;dperrj(m，Mgh)表示模态Mgh下、Δ t到(m* Δ t)时段解码 后的j路段与基准路段的差值数据;CSMj(m，Mgh)表示模态Mgh下、At到(m*At)时段重构的j 路段的道路交通实时数据。
[0048] 本发明的技术构思为:提出了一种基于LZW编码的道路交通空间数据压缩方法，充 分利用了空间上不同路段具有的空间相关特性。提取空间上不同路段的道路交通数据，并