[发明专利]一种应用于智慧城市的多源异构数据压缩方法

权利要求书

1.一种应用于智慧城市的多源异构数据压缩方法，其特征在于，包括：

数据传输单元DTS采集多个终端设备上传的数据，所述数据类型包括物联网IoT数据、地理信息系统GIS数据和建筑信息模型BIM数据，且上述数据均包含时间属性和地区属性，所述多个终端设备采用多源异构网络进行组网，所述DTS处于数据汇聚层；

所述DTS将所述采集到的数据按照不同数据类型进行分组及数据清洗，生成矩阵式原始数据组；

所述DTS按照预设采样模型进行所述原始数据组进行采样，获取所述原始数据组的多个样本数据，所述样本数据量低于所述矩阵式原始数据组的数据量；

所述DTS将所述多个样本数据组按照预设格式进行数据拼装，形成压缩数据组，并将所述压缩数据组发送至核心层。

2.根据权利要求1所述的方法，其特征在于，所述DTS按照预设采样模型进行所述原始数据组进行采样，获取所述原始数据组的多个样本数据，包括：

所述DTS按照时间顺序将所述原始数据组进行排序，并在同一地区且同一数据类型情况下，基于不同时序与数据大小的对应关系，获取不同时间段中数据的历史变化率，基于所述历史变化率设定随时间动态变化的数据第一采样率，所述第一采样率与所述数据变化率成正比，

以及，

所述DTS基于所述地区属性设置数据第二采样率，所述第二采样率大小与所述不同地区属性一一对应，

以及，

所述DTS基于所述不同的数据类型设置动态变化的第三采样率，所述第三采样率与所述数据类型一一对应，

所述DTS基于所述第一采样率、第二采样率和第三采样率，依次对所述原始数据组进行采样，并获取所述采样后的多个样本数据组。

3.根据权利要求1所述的方法，其特征在于，所述DTS按照预设采样模型进行所述原始数据组进行采样，包括：

所述DTS基于所述不同的数据类型及所述数据上报心跳包的频次，设置自适应采样率，并通过所述自适应采样率对所述原始数据组进行采样。

4.根据权利要求1所述的方法，其特征在于，在所述将所述多个样本数据组按照预设格式进行数据拼装之后，并在形成压缩数据组之前，所述方法还包括：

将所述拼装后的数据组进行二进制转换；

在所述二进制数据位中，将重复出现的数据合并为同一个数据位，并设置次数位，用于表示所述数据位的重复次数。

5.根据权利要求1所述的方法，其特征在于，所述DTS按照预设采样模型进行所述原始数据组进行采样，包括：

采用机器学习算法预测不同时间段下，不同数据类型的数据变化率；

基于所述预测的数据变化率，设置自适应采样率，所述自适应采样率与所述数据变化率一一对应；

通过所述自适应采样率对所述原始数据组进行采样，并生成不同的时间标识，在采样后的数据组中插入所述时间标识。

6.根据权利要求5所述的方法，其特征在于，所述采用机器学习算法预测不同时间段下，不同数据类型的数据变化率，包括：

设置非线性回归网络，在所述网络中设置输入层、计算层和输出层；

将历史采集数据作为输入层的输入参数；

在所述计算层中设置训练模型和激活函数，训练模型中包含多个神经网络单元，每一个神经网络单元设置一个权重；

将所述历史采集数据作为样本数据在所述训练模型中进行训练，并获取计算结果；

将所述计算结果经过所述激活函数进行训练，获取最终拟合结果，通过所述最终拟合结果获取不同时间段不同数据类型的数据变化率。