一种基于lzw编码的道路交通数据压缩方法
【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、处理速度较慢的不足，本发明 提供一种简化算法、提升处理速度的基于LZW编码的道路交通数据压缩方法。
[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编码的道路交通数据压缩方法，所述方法包括如下步骤：
[0008] 1)建立道路交通特征参考序列，获取不同模态下的道路交通基准数据；
[0009] 2)提取道路交通训练数据，基于同一模态下的道路交通基准数据，获取道路交通 差值数据，选取道路交通差值数据的最优阈值；
[0010] 3)提取道路交通实时数据，基于同一模态下的道路交通基准数据，获取道路交通 差值数据；
[0011] 4)基于LZW编码实现道路交通差值数据压缩；
[0012] 5)基于LZW解码实现道路交通数据重构。
[0013] 进一步，所述步骤1)中，建立道路交通特征参考序列，获取不同模态下的道路交 通基准数据，包括如下步骤：
[0014] 1. 1)设计道路交通特征参考序列的结构
[0015] 设定道路交通状态数据的采集周期是△t，则道路交通信息模板的时间格式如图 1所示。
[0016] 道路交通特征参考序列的表格式如表1和表2所示。
[0017] 表1.道路交通特征参考序列信息表
[0018]
[0019] 1. 2)通过相关的数据预处理，建立道路交通运行特征参考序列
[0020] 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gXh 种，记为集合Μ_= {Mil，M12，…，Mgh}，其中g和h的取值根据所选交通运行模态的划分 标识确定；
[0021] 获取目标路段的具有代表性的道路交通状态数据，并进行数据预处理，将经过数 据预处理后的道路交通状态数据输入道路交通特征参考序列中，从而建立道路交通特征参 考序列。
[0022] 再进一步，所述步骤2)中，提取道路交通训练数据，基于同一模态Mgh的道路交通 基准数据，获取道路交通差值数据进行LZW编码，基于压缩比，训练道路交通差值数据的最 优阈值，其一般表达式如下：
[0023]
[0024]
[0025]
[0026]
[0027]
[0028] 其中，Mgh为模态；At为道路交通状态数据的采集周期；（i*At)为第i个道路 交通状态数据采集周期，〇 <i<N，N表示每天采集的交通信息的条数；57% (ΡΔ/)表 示（i*At)时刻的训练数据；表示（i*At)时刻的基准数据；S(i*At)表示 (i*At)时刻训练数据与基准数据的差值数据00表示模态Mgh下、At到（m*At)时 段训练数据和基准数据的差值数据；(m)表示模态Mgh下、At到（m*At)时段阈值 处理后的差值数据；表示At到（m*At)时段选取的阈值；为在模态Mgh 下、Δt到（m*Δt)时段的阈值处理的LZW编码后的差值数据；S'（η)为模态Mgh下、Δt到 (m*Δt)时段压缩后的第η个数据；m表示在模态Mgh下、△t到（m* △t)时段的压缩前差值 数据的数量;W表示LZW编码；η表示在模态Mgh下、△t到（m* △t)时段的选取的阈值对应 差值数据压缩后的数量；压缩比为2 η0
[0029] 更进一步，所述步骤3)中，提取道路交通实时数据，基于同一模态Mgh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：
[0030] (6)
[0031] (f)
[0032] 其中，为模态Mgh下、（i*At)时刻的实时数据；MS(i*At)为模态 Mgh下、（i*At)时刻的实时数据与基准数据的差值数据；为模态Mgh下、At到 (m* △t)时段的道路交通实时数据和基准数据的差值数据。
[0033] 所述步骤4)中，基于LZW编码实现道路交通差值数据压缩，将训练的最佳阈值引 入到同一模态Mgh的测试数据和基准数据的差值数据中，结合LZW编码，实现差值数据的压 缩，其一般表达式如下：
[0034] 衡
[0035] (9)
[0036] (1〇)
[0037] 其中，仏表示最优阈值；如)为在模态Mgh下、Δt到（m*Δt)时段经 最佳阈值处理后的差值数据；m表示在模态Mgh下、At到（m*At)时段的压缩前差值数据 的数量；表示模态Mgh下、Δt到（m*Δt)时段的压缩后的差值数据；Τη表示模 态Mgh下、At到（m*At)时段的差值数据压缩后的数量;MS'（Τη)表示模态Mgh下、At到 (m*At)时段压缩后的第Τη个数据；压缩比为$ In°
[0038] 所述步骤5)中，基于LZW解码实现道路交通差值数据重构，结合基准数据，实现测 试数据的解压缩，其一般表达式如下：
[0041] 其中，w'表示LZW的反解码；, ("0:为在模态Mgh下、Δt到（m*Δt)时段解
[0039]
[0040] 码后的道路交通实时数据和基准数据的差值数据；(m)表示在模态Mgh下、△ t到 (m*Δt)时段的重构的实时数据。
[0042] 本发明的技术构思为：提出了一种基于LZW编码的道路交通数据压缩方法，充分 利用了同一交通流在时间上表现出极强的相关性与周期性的特点。提取同一时间段的道路 交通数据，并将之分为基准数据、训练数据和实时数据。对训练数据和基准数据的差值数据 进行阈值化处理，将处理后的差值数据进行LZW编码实现数据压缩。基于压缩比，选取最佳 阈值。利用最佳阈值对基准数据和实时数据的差值数据进行阈值化处理，将处理后的差值 数据进行LZW编码实现数据压缩。通过LZW反编码实现差值数据的重构，结合基准数据，实 现实时数据的重构。
[0043] 本方法仅在数据之间作减法处理，实现简单，不需要进行大量复杂的数据计算，可 以有效的提高处理速度。
[0044] 本发明的有益效果主要表现在：通过将同一模态Mgh的道路交通训练数据和基准 数据的差值数据进行阈值化处理，结合LZW编码技术，实现差值数据的压缩，根据差值数据 的压缩比，确定最佳阈值。通过将最佳阈值引入到同一模态Mgh的实时数据和基准数据的差 值数据当中，实现差值数据的阈值化处理，结合LZW编码技术，实现差值数据的压缩，间接 实现道路交通实时数据的压缩。通过对压缩后的差值数据进行LZW解码技术，获得重构的 差值数据，结合基准数据，实现实时数据的重构。
【附图说明】
[0045] 图1是道路交通信息模板的时间格式的示意图。
[0046] 图2是道路交通运行模态划分示意图。
[0047] 图3是基于LZW编码的道路交通数据压缩方法的流程图。
[0048] 图4是基于LZW解码的道路交通数据重构方法的流程图。
【具体实施方式】
[0049] 下面结合附图对本发明作进一步描述。
[0050] 参照图1~与4, 一种基于LZW编码的道路交通数据压缩方法，包括以下步骤：
[0051] 1)建立道路交通特征参考序列，获取不同模态下的道路交通基准数据，包括如下 步骤：
[0052] 1. 1)设计道路交通特征参考序列的结构
[0053] 设定道路交通状态数据的采集周期是△t，则道路交通信息模板的时间格式如图 1所示。
[005