[发明专利]一种基于PCA和LZW编码的道路交通空间数据压缩方法

说明书

一种基于PCA和LZW编码的道路交通空间数据压缩方法，基于同一模态下、空间上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PCA选取具有相关性的道路交通路段集合；选择基准路段，将其数据作为空间上的道路交通基准数据；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；提取空间上其它路段的数据，作为实时数据；同一模态下、基于空间上的道路交通基准数据，获取道路交通差值数据；基于LZW编码实现道路交通空间数据的压缩；最后，基于LZW解码技术实现道路交通空间数据的重构。本发明简化计算、有效的提高处理速度。

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。

既有的道路交通数据压缩方法大多对道路交通网络数据进行数据压缩，对相关路段时间序列上的数据压缩方法研究较少。

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计算、有效的提高处理速度的基于PCA和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：

一种于PCA和LZW编码的道路交通空间数据压缩方法，包括以下步骤：

1)基于同一模态下、空间上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PCA方法，选取具有相关性的道路交通路段集合，其过程如下：

从道理交通特征参考序列中提取s条路段的道路交通历史数据，每条路段的采集数据为r，并将其变换为s×r的矩阵，记为：A_sⅹr；

矩阵A_sⅹr第j列的均值为：

基于a_j，获得A_sⅹr的归一化矩阵SA_sⅹr：

归一化矩阵SA的协方差矩阵CSA为：

获得协方差矩阵CSA的特征值D和特征向量V，则D＝[λ₁,λ₂…λ_r]；λ₁≥λ₂≥…≥λ_r；对应的特征向量为：V＝[v₁,v₂…v_r]；

选取λ₁，λ₂对应的特征向量构成的投影矩阵VA_r×2＝[v₁,v₂]，基于投影矩阵和归一化的训练矩阵，求取A_sⅹr的主成分矩阵APC_r×2：