一种移动轨迹数据压缩方法及装置与流程

本发明涉及计算机处理领域，尤其涉及一种移动轨迹数据压缩方法及装置。

背景技术：

20世纪90年代以来，随着计算机硬件及信息系统和网络技术的不断发展和日益成熟，位置服务和车联网应用的不断普及,由地理数据、车辆轨迹和应用记录等所构成的轨迹数据已成为当前用来感知人类社群活动规律、分析地理国情和构建智慧城市的重要战略性资源。采集的原始轨迹数据的不仅体量大，更新速度快而且信息碎片化，价值密度低。由此已经造成了三个主要的问题是：首先，传输大量原始位置数据是昂贵和费时的，其次分析利用这些位置数据需要耗费昂贵的计算资源才能提取有用的信息，第三，原始轨迹数据中包含大量的冗余的数据耗费大量的存储资源和磁盘存取时间。

因此，需要对原始轨迹数据进行压缩处理，但是现有轨迹压缩方法若要获得满意的压缩率就包含巨大的计算量，导致传统轨迹数据压缩方法对轨迹数据的压缩效率不高。

技术实现要素：

鉴于上述问题，本发明实施例通过提供一种移动轨迹数据压缩方法及装置，以克服上述问题或者至少部分地解决上述问题。

第一方面，本发明实施例提供了一种移动轨迹数据压缩方法，包括：

获得移动轨迹数据流，其中，所述移动轨迹数据流包括M个原始轨迹段，所述M个原始轨迹段分别由连续轨迹点构成，M为正整数；

通过对应的BQS数据结构分别过滤掉所述M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段；

将所述M个初压缩后轨迹段分别在所述GPU平台上经过构图后的BFS广度优先搜索，以获得所述M个初压缩后轨迹段分别的最优路径，其中，所述构图不超过所述设定角度误差；

返回由所述M个初压缩后轨迹段分别的最优路径合成的压缩后轨迹数据流。

优选的，所述通过对应的BQS数据结构分别过滤掉所述M个原始轨迹段中不超过设定角度误差的轨迹点，包括：

将所述M个原始轨迹段的第i个原始轨迹段通过对应的BQS数据结构过滤掉所述第i个原始轨迹段中不超过所述设定角度误差的轨迹点，以输出第i个初压缩后轨迹段，i依次为1至M；

所述将所述M个初压缩后轨迹段分别在所述GPU平台上经过构图后的BFS广度优先搜索，以获得所述M个初压缩后轨迹段分别的最优路径，包括：

将所述第i个初压缩后轨迹段传递至所述GPU平台，在所述GPU平台上经过所述构图后的BFS获得所述第i个初压缩后轨迹段的最优路径，i依次为1至M。

优选的，所述通过对应的BQS数据结构分别过滤掉所述M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段，包括：

读入所述第i个原始轨迹段；

针对所述第i个原始轨迹段依次构建多个BQS数据结构，其中，各个所述BQS数据结构分别包括上下界<d^lb,d^ub>；

将各个所述BQS数据结构的距离误差∈_t转换为方向误差∈_d：

所述第i个原始轨迹段中满足各个所述BQS数据结构的d^lb≥∈_d或d^lb≤∈_d≤d^ub的轨迹点确定为不可初压缩的轨迹点；

各个所述不可初压缩的轨迹点构成为所述第i个初压缩后轨迹段。

优选的，所述在所述GPU平台上经过所述构图后的BFS获得所述第i个初压缩后轨迹段的最优路径，包括：

针对所述第i个初压缩后轨迹段构建不超过所述设定角度误差的图；

通过所述BFS在所述不超过所述设定角度误差的图上进行正序遍历各个最短路径；

通过所述BFS逆序处理遍历到的最短路径，以获得所述第i个初压缩后轨迹段的最优路径。

优选的，所述针对所述第i个初压缩后轨迹段构建不超过所述设定角度误差的图，包括：

计算得到所述第i个初压缩后轨迹段上任意子轨迹段分别的可用角度范围，i依次为1至M：

判断各个所述可用角度范围是否为空；

将所述可用角度范围不为空对应的子轨迹段建立在图上以形成所述不超过所述设定角度误差的图。

第二方面，本发明实施例提供了一种移动轨迹数据压缩装置，包括：

采集模块，用于获得移动轨迹数据流，其中，所述移动轨迹数据流包括M个原始轨迹段，所述M个原始轨迹段分别由连续轨迹点构成，M为正整数；

初压缩模块，用于通过对应的BQS数据结构分别过滤掉所述M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段；

再压缩模块，用于将所述M个初压缩后轨迹段分别在所述GPU平台上经过构图后的BFS广度优先搜索，以获得所述M个初压缩后轨迹段分别的最优路径，其中，所述构图不超过所述设定角度误差；

返回模块，用于返回由所述M个初压缩后轨迹段分别的最优路径合成的压缩后轨迹数据流。

优选的，所述初压缩模块，包括：

初压缩单元，用于将所述M个原始轨迹段的第i个原始轨迹段通过对应的BQS数据结构过滤掉所述第i个原始轨迹段中不超过所述设定角度误差的轨迹点，以输出第i个初压缩后轨迹段，i依次为1至M；

所述再压缩模块，包括：

再压缩单元，用于将所述第i个初压缩后轨迹段传递至所述GPU平台，在所述GPU平台上经过所述构图后的BFS获得所述第i个初压缩后轨迹段的最优路径，i依次为1至M。

优选的，所述初压缩单元，具体用于：

读入所述第i个原始轨迹段；

针对所述第i个原始轨迹段依次构建多个BQS数据结构，其中，各个所述BQS数据结构分别包括上下界<d^lb,d^ub>；

将各个所述BQS数据结构的距离误差∈_t转换为方向误差∈_d：

所述第i个原始轨迹段中满足d^lb≥∈_d或d^lb≤∈_d≤d^ub的轨迹点确定为不可初压缩的轨迹点；

各个所述不可初压缩的轨迹点构成为所述第i个初压缩后轨迹段。

优选的，所述再压缩单元，包括：

构建子单元，用于针对所述第i个初压缩后轨迹段构建不超过所述设定角度误差的图；

遍历子单元，用于通过所述BFS在所述不超过所述设定角度误差的图上进行正序遍历各个最短路径；

处理子单元，用于通过所述BFS逆序处理遍历到的最短路径，以获得所述第i个初压缩后轨迹段的最优路径。

优选的，所述构建子单元，具体用于：

计算得到所述第i个初压缩后轨迹段上任意子轨迹段分别的可用角度范围，i依次为1至M：

判断各个所述可用角度范围是否为空；

将所述可用角度范围不为空对应的子轨迹段建立在图上以形成所述不超过所述设定角度误差的图。

本发明实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采集的移动轨迹数据流的M个原始轨迹段分别输入至对应的BQS数据结构中过滤掉M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段，从而能够以很小的开销过滤一部分不需要后续计算的轨迹点，再将M个初压缩后轨迹段在GPU平台上分别经过构图后的BFS广度优先搜索获得M个初压缩后轨迹段分别的最优路径，得到压缩后轨迹数据流，从而大大减小了构图后的BFS广度优先搜索的计算量，而且在GPU平台上进行还运算能够成倍地提高本算法的执行效率，使得轨迹压缩处理效率得到成倍的增加，因此通过如上两步压缩过程在保证准确率的前提下压缩效率得到了很大的提升，进而实现了高效、准确的压缩轨迹数据流。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例中移动轨迹数据压缩方法的流程图；

图2为本发明实施例中移动轨迹数据压缩方法的应用流程图；

图3为本发明实施例中移动轨迹数据压缩方法的总流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参考图1所示，图1为本发明实施例中移动轨迹数据压缩方法的流程图，本发明实施例提供的移动轨迹数据压缩方法包括：

S101、获得移动轨迹数据流，其中，移动轨迹数据流包括M个原始轨迹段，M个原始轨迹段分别由连续轨迹点构成，M为正整数。

S102、通过对应的BQS数据结构分别过滤掉M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段；

S103、将M个初压缩后轨迹段分别在GPU平台上经过构图后的BFS(Breadth First Search，广度优先搜索)，以获得M个初压缩后轨迹段分别的最优路径，其中，构图不超过设定角度误差。

S104、返回由M个初压缩后轨迹段分别的最优路径合成的压缩后轨迹数据流。

需要说明的是，移动轨迹数据流所指为移动物体不断移动过程中采集的位置点形成的轨迹，比如，车辆移动的移动轨迹数据流、行人移动的移动轨迹数据流、物品移动的移动轨迹数据流。

在本发明实施例中，移动轨迹数据流由M个原始轨迹段组成，定义为：S＝(g₁,g₂,…,g_i)，移动轨迹数据流的各个原始轨迹段g_i分别由一系列连续的轨迹点组成，定义g_i＝{p₁,…,p_n}，一个轨迹点p_n将被定义成一个三元组P_n＝(x,y,t)，x、y、t分别记录每个轨迹点的经度、维度和时间。压缩后轨迹数据流定义为S’＝(g’₁,g’₂,…,g_i’)，其中g_i’是g_i压缩以后得到的结果。

在本发明实施例中，原始轨迹段g_i的方向向量那么根据方向向量可以定义两个轨迹点之间的角度为从x轴逆时针旋转到向量之间的角度为方向信息：

从而能够通过BQS数据结构以很小的开销过滤一部分不需要后续计算的轨迹点，再将M个初压缩后轨迹段分别在GPU平台上经过构图后的BFS广度优先搜索获得M个初压缩后轨迹段分别的最优路径，大大减小了构图后的BFS计算量，并且在GPU平台上进行还运算能够成倍地提高本算法的执行效率，从而通过两步压缩过程在保证准确率的前提下使压缩效率得到了很大的提升，以实现了高效、准确的压缩轨迹数据流。

下面，结合图1详细介绍本发明实施例提供的方法的具体实现步骤：

首先执行S101：获得移动轨迹数据流，其中，移动轨迹数据流包括M个原始轨迹段，M个原始轨迹段分别由连续轨迹点构成，M为正整数。

针对车辆移动的移动轨迹数据流而言，行车记录仪记录车辆移动的移动轨迹数据上传至服务器；针对行人移动的移动轨迹数据流而言，用户佩戴设备或手持设备采集用户的移动轨迹数据上传至服务器；针对物品移动的移动轨迹数据流而言，为站点扫描物品得到的物品的站点转移轨迹数据上传至服务器。对应的服务端接收上传的移动轨迹数据。

在S101之后，接着执行S102和S103：

S102、通过对应的BQS数据结构分别过滤掉M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段。

需要说明的是，针对单个原始轨迹段而言，先执行S102，基于S102的结果执行S103，针对不同的原始轨迹段而言，S102与S103为独立执行步骤，本文不限制执行先后顺序。

针对单个原始轨迹段而言：将M个原始轨迹段的第i个原始轨迹段通过对应的BQS数据结构过滤掉第i个原始轨迹段中不超过设定角度误差的轨迹点，以输出第i个初压缩后轨迹段。

具体的，针对M个原始轨迹段，在每个原始轨迹段上不断重新构建BQS数据结构。在每次输入M个原始轨迹段中的一个原始轨迹段时，针对该原始轨迹段依次构建多个BQS数据结构，来过滤掉不超过设定角度误差的轨迹点。

下面对针对单个原始轨迹段依次构建多个BQS数据结构的过程进行描述，本领域技术人员可以根据下面描述知晓针对其他原始轨迹段构建BQS数据结构的流程：

读入第i个原始轨迹段，针对第i个原始轨迹段依次构建多个BQS数据结构，其中，各个BQS数据结构分别包括上下界<d^lb,d^ub>；将各个BQS数据结构的距离误差∈_t转换为方向误差∈_d：第i个原始轨迹段中满足各个BQS数据结构的d^lb≥∈_d或d^lb≤∈_d≤d^ub的轨迹点确定为不可初压缩的轨迹点；各个不可初压缩的轨迹点构成为第i个初压缩后轨迹段。

在具体实施过程中，通过如下公式将BQS数据结构的距离误差∈_t转换为方向误差∈_d：

∈_d(g_i)≤0.5·tan(∈_t)·L_max(g_i)≤0.5·tan(∈_t)·L_D(g_i)；

其中，∈_t为距离误差，∈_d为方向误差，g_i为第i个原始轨迹段，L_D(g_i)为第i个原始轨迹段对应的BQS数据结构的对角线的长度，L_max小于第i个原始轨迹段对应的BQS数据结构的对角线的长度。

下面给出针对一个原始轨迹段依次构建多个BQS数据结构并过滤掉第i个原始轨迹段中不超过设定角度误差的轨迹点的实施例，每个原始轨迹段均参考如下举例进行过滤掉不超过设定角度误差的轨迹点，为了说明书的简洁，本文不一一说明：

步骤1：当读入以P₁为开始轨迹点的第i个原始轨迹段的连续轨迹点(P₁,P_j-1)，针对连续轨迹点(P₁,P_j-1)构建一个BQS数据结构：

步骤2：从开始轨迹点P₁划分四个象限，接着，基于连续轨迹点(P₁,P_j-1)的全部轨迹点确定：1、在每个象限中形成的四边形的边界点，例如(c₁,c₂,c₃,c₄)；2、角度范围(θ^l,θ^u)，最小角度θ^l对应为开始轨迹点P₁与其他各个轨迹点的连线与x轴之间夹角的最小值，最大角度θ^u对应为开始轨迹点P₁与其他各个轨迹点的连线与x轴之间夹角的最大值；最小角度θ^l、最大角度θ^u对应的角度射线与四边形有四个交点(l₁,l₂,u₁,u₂)；4、根据得到的八个关键点：(c₁,c₂,c₃,c₄)、(l₁,l₂,u₁,u₂)得到一个上下界<d^lb,d^ub>。

步骤3：将当前的BQS数据结构的距离误差∈_d转换为方向误差∈_t；

步骤4：连接P₁P_j，若d(p₁,p_j)<∈_d，则将P_j加入当前连续轨迹点(P₁,P_j-1)中，则压缩轨迹点P_j，继续如处理P_j的方式处理P_j+1；若d^ub≤∈_d，则压缩当前轨迹点P_j。若满足d^ln≤∈_d或d^ln≤∈_d≤d^ub，则当前轨迹点P_j不可被压缩，就以当前点P_j为开始轨迹点重新建立BQS数据结构。基于前述的步骤，循环建立BQS数据结构，直到当前的第i个原始轨迹段的全部轨迹点被处理完毕，得到的第i个原始轨迹段的全部不可被压缩的轨迹点构成第i个初压缩后轨迹段g_i’。

BQS数据结构是一个凸包结构，它由一个四边形和两条角度射线组成，所有的轨迹点是被包含在该四边形和角度射线所夹的区域之间。将BQS数据结构作为预数据预处理阶段可以迅速压缩一些不相关的轨迹点，且这一过程的计算开销很小。

执行S103、将M个初压缩后轨迹段分别在GPU平台上经过构图后的BFS广度优先搜索，以获得M个初压缩后轨迹段分别的最优路径，其中，构图不超过设定角度误差。

在S103中，在每次S102输出第i个初压缩后轨迹段后，执行如下步骤：将第i个初压缩后轨迹段传递至GPU(Graphics Processing Unit，图形处理单元)平台，在GPU平台上经过构图后的BFS获得第i个初压缩后轨迹段的最优路径，i依次为1至M。

具体来讲，获得第i个初压缩后轨迹段的最优路径的具体实施过程包括如下步骤1～步骤3：

首先，执行步骤1：针对第i个初压缩后轨迹段构建不超过设定角度误差的图。

在本发明实施例中，构建不超过设定角度误差的图的实施方式有多种，下面给出一种具体实施方式：

计算得到第i个初压缩后轨迹段上任意子轨迹段分别的可用角度范围；

最后，判断各个可用角度范围是否为空；将可用角度范围不为空的对应的子轨迹段建立在图上以形成不超过设定角度误差的图。

具体来讲，对于第i个初压缩后轨迹段上的相邻两点轨迹点的轨迹段，相邻两点轨迹点的轨迹段的可用角度范围fdr的计算公式是：

其中，应该满足1≤i<j≤n，只要可用角度范围不为空，即i，j之间可以建立相通的边，就可以将对应轨迹段建立在图上，并继续计算fdr(T[i,j+1])，因此基于相邻两点轨迹点的轨迹段的可用角度范围fdr的计算公式得到，获得第i个初压缩后轨迹段的最优路径是在线模式下的DPTS(方向信息压缩算法)。在具体实施过程中，首先通过并行方式计算所有的相邻两点轨迹点所构成的子轨迹段的可用角度范围(fdr)信息，得到第一层的fdr信息，之后不断迭代增加，每段子轨迹段跨度得到任意轨迹段，计算跨度得到的任意子轨迹段的fdr信息，从而得到第i个初压缩后轨迹段上所有可能存在的子轨迹段建立在图上。

通过本发明实施例构建不超过设定角度误差的图，可用角度范围(fdr)可以将检查每对边的开销O(n)到O(c)，c是一个很小的常量。同时每次只需要计算c次，所以经过优化以后的时间复杂度是O(c·n²)，加快了构图过程，进一步提高了压缩效率。当然，在具体实施过程中，并不限于上述实施方式，也可以直接构建所有可能存在的图并与设定角度误差进行比较，这样的时间复杂度是O(n³)。

接着，执行步骤2：通过BFS在不超过设定角度误差的图上进行正序遍历各个最短路径。

从开始轨迹点出发，标记为level0，将level0所能够到达的轨迹点标记为level1，然后将level1所有轨迹点所能够到达的轨迹点标为level2，依次重复该过程直到所有的估计点都被标记完成，此时遍历结束得到了各个最短路径。

接着，执行步骤3：通过BFS逆序处理遍历到的最短路径，以获得第i个初压缩后轨迹段的最优路径。

具体来讲，标记完成的最终轨迹点逆序出发到开始轨迹点level0就得到了开始轨迹点到最终轨迹点的最优路径。

在执行S102和S103以完成了M个初压缩后轨迹段分别的最优路径之后，接着执行S104：返回由M个初压缩后轨迹段分别的最优路径合成的压缩后轨迹数据流。

在具体实施过程中，需要建立一个待处理轨迹段队列q，对应于每个轨迹段g_i，在每次循环时加入到待处理轨迹点队列q中。下面，参考图2，对基于本发明实施例提供的移动轨迹数据压缩方法的进行轨迹压缩的应用流程进行描述：

S1：输入移动轨迹数据流S；

S2：针对移动轨迹数据流S建立待处理轨迹点队列q；

S3：输入移动轨迹数据流S的一个原始轨迹段到待处理轨迹点队列q；

S4：将待处理轨迹点队列q中的轨迹点读入至依次建立的BQS数据结构中过滤掉不超过设定角度误差的轨迹点，输出待处理轨迹点队列q’，其中，待处理轨迹点队列q’中的轨迹段为初压缩后轨迹段；

S5：待处理轨迹点队列q’传递到GPU平台上，待处理轨迹点队列q’在GPU平台上经过构图后的BFS广度优先搜索获得最优路径；

S6：判断移动轨迹数据流S中是否还存在未被处理的原始轨迹段。若移动轨迹数据流S中还存在未被处理的原始轨迹段，则进行步骤S7，若移动轨迹数据流S中没有需要被处理的原始轨迹段，则进行步骤S8；

S7：修改轨迹点队列q，使待处理轨迹点队列q包含两个轨迹点保存在队列头部，返回步骤S3；

S8：清空轨迹点队列q，返回压缩后轨迹数据流S’。

通过上述步骤S1～S8，实现了满足在线场景下以方向信息保留算法，并使用BQS数据结构进行筛选轨迹点，加快了执行效率，并最终在GPU平台上实现，使得轨迹压缩处理效率得到成倍的增加，从而既能够满足轨迹数据流的实时处理压缩需求，又能够保证方向误差和距离误差，从而满足对于轨迹数据压缩准确性的要求，

基于同一发明构思，本发明实施例提供了一种移动轨迹数据压缩装置，参考图3所示，该移动轨迹数据压缩装置包括：

采集模块201，用于获得移动轨迹数据流，其中，所述移动轨迹数据流包括M个原始轨迹段，所述M个原始轨迹段分别由连续轨迹点构成，M为正整数；

初压缩模块202，用于通过对应的BQS数据结构分别过滤掉所述M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段；

再压缩模块203，用于将所述M个初压缩后轨迹段分别在所述GPU平台上经过构图后的BFS广度优先搜索，以获得所述M个初压缩后轨迹段分别的最优路径，其中，所述构图不超过所述设定角度误差；

返回模块204，用于返回由所述M个初压缩后轨迹段分别的最优路径合成的压缩后轨迹数据流。

优选的，所述初压缩模块202，包括：

初压缩单元，用于将所述M个原始轨迹段的第i个原始轨迹段通过对应的BQS数据结构过滤掉所述第i个原始轨迹段中不超过设定角度误差的轨迹点，以输出第i个初压缩后轨迹段，i依次为1至M；

所述再压缩模块203，包括：

再压缩单元，用于将所述第i个初压缩后轨迹段传递至所述GPU平台，在所述GPU平台上经过所述构图后的BFS获得所述第i个初压缩后轨迹段的最优路径，i依次为1至M。

优选的，所述初压缩单元，具体用于：

读入所述第i个原始轨迹段；

针对所述第i个原始轨迹段依次构建多个BQS数据结构，其中，各个所述BQS数据结构分别包括上下界<d^lb,d^ub>；

将各个所述BQS数据结构的距离误差∈_t转换为方向误差∈_d：

所述第i个原始轨迹段中满足d^lb≥∈_d或d^lb≤∈_d≤d^ub的轨迹点确定为不可初压缩的轨迹点；

各个所述不可初压缩的轨迹点构成为所述第i个初压缩后轨迹段。

优选的，所述再压缩单元，包括：

构建子单元，用于针对所述第i个初压缩后轨迹段构建不超过所述设定角度误差的图；

遍历子单元，用于通过所述BFS在所述不超过所述设定角度误差的图上进行正序遍历各个最短路径；

处理子单元，用于通过所述BFS逆序处理遍历到的最短路径，以获得所述第i个初压缩后轨迹段的最优路径。

优选的，所述构建子单元，具体用于：

计算得到所述第i个初压缩后轨迹段上任意子轨迹段分别的可用角度范围，i依次为1至M：

判断各个所述可用角度范围是否为空；

将所述可用角度范围不为空对应的子轨迹段建立在图上以形成所述不超过所述设定角度误差的图。

本发明实施例中移动轨迹数据压缩装置为实施移动轨迹数据压缩方法实施例的装置，故而基于本发明实施例所介绍的移动轨迹数据压缩方法，本领域所属人员能够了解该装置的具体结构及变形，故而在此不再赘述。凡是本发明移动轨迹数据压缩方法实施例所采用的装置都属于本发明所欲保护的范围。

通过本发明提供的上述一个或多个实施例，至少具有如下技术效果或优点：

由于采集的移动轨迹数据流的M个原始轨迹段分别输入至对应的BQS数据结构中过滤掉M个原始轨迹段中不超过设定角度误差的轨迹点，以获得M个初压缩后轨迹段，从而能够以很小的开销过滤一部分不需要后续计算的轨迹点，再将M个初压缩后轨迹段在GPU平台上分别经过构图后的BFS广度优先搜索获得M个初压缩后轨迹段分别的最优路径，得到压缩后轨迹数据流，从而大大减小了构图后的BFS广度优先搜索的计算量，而且在GPU平台上进行还运算能够成倍地提高本算法的执行效率，使得轨迹压缩处理效率得到成倍的增加，因此通过如上两步压缩过程在保证准确率的前提下压缩效率得到了很大的提升，进而实现了高效、准确的压缩轨迹数据流。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的网关、代理服务器、系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。