4] 道路交通特征参考序列的信息表和描述表分别如表1和表2所示：
[0055]
[0056]
[0057]
[0058] 表 2
[0059] 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
[0060] 道路交通运行模态是指道路交通系统运行所呈现出的基本形态。道路交通运行模 态的划分是指将道路交通系统的运行形态分为几个具有典型特征、有区别的基本形态的过 程或行为。道路交通运行模态的划分可以分为两个层次：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1#={Μn，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。路网层的交通运行模态的划分标识，主要是指不同日期对道路交通运行模 态的影响因素。其中，日期标识又可以分为工作日、节假日、月份等；路段层的交通运行模态 的划分标识，主要是指路段所处具体的外界环境对具体路段交通运行模态的影响因素。外 界环境标识又可分为天气、路段基础设施服役状态等。其示意图如图2所示。
[0061] 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 据预处理后的不同模态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。
[0062] 2)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 差值数据并进行LZW编码，训练道路交通差值数据的最优阈值，其一般表达式如下：
[0063]
[0064]
[0065]
[0066]
[0067] …Λ . ..... … …
[0068] 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^ (产Δ/_)表 示（i*At)时刻的训练数据；产ΔΠ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0?)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；芦％(?)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￡ η.。
[0069]3)提取道路交通实时数据，基于同一模态Mgh下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：
[0070] (6)
[0071] (7)
[0072] 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。
[0073] 4)基于LZW编码实现道路交通差值数据压缩，将训练的最优阈值引入到实时数据 和基准数据的差值数据中，实现差值数据的压缩，一般表达式如下：
[0074]
[0075]
[0076]
[0077]其中，.DpB_i表示最优阈值；〇)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*Δt)时段压缩后的第Τη个数据；压缩比为 Jn°
[0078] 参照图4,基于LZW解码的道路交通数据重构步骤：
[0079] 基于LZW解码实现道路交通数据重构，针对压缩后的差值数据进行LZW解码，获取 道路交通基准数据和实时数据的差值数据，结合基准数据，实现实时数据的解压缩，其一般 表达式.
[0080]
[0081]
[0082] 其中，w'表示LZW的反解码；("〇为在模态Mgh下、Δt到（m*Δt)时段解码 后的道路交通实时数据和基准数据的差值数据；CSMMgh(m)表示在模态Mgh下、At到（m*At) 时段的重构的实时数据。
[0083] 实例：一种基于LZW编码的道路交通数据压缩方法，包括以下步骤：
[0084] 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
[0085] 由于同一路段、对应时间的道路交通流具有相似性，故选择北京经典二环路段的 道路交通数据进行算法应用及验证，具体路段如表3所示。
[0086]
[0087]
[0088]表 3
[0089] 提取2011年6月份四天（18、19、25、26)的道路交通数据建立道路交通特征参考 序列。道路交通状态数据的获取间隔At为2min。
[0090] 将18、19日的同一模态的道路交通数据分别作为基准数据集和训练数据，进行算 法参数设定。将25、26日的道路交通数据作为实验数据集，进行算法验证。
[0091] 2)提取道路交通训练数据，基于同一模态Mgh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
[0092] 对训练数据和基准数据的差值数据进行阈值化处理，分别选取基准数据的不同百 分比作为阈值，训练道路交通差值数据的最优阈值，其一般步骤如下：
[0093]
[0094]
[0095]
[0096]
[0097]
[0098] 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^ (产表 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；爲4〇)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& η°
[0099] 3)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，其一般步骤如下：
[0100]
[0101]
[0102] 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。
[0103] 4)基于LZW编码实现道路交通差值数据压缩
[0104] LZW编码是一种基于字典编码的无损数据压缩方法。通过建立一个字符串表，用较 短的码字表示较长的码字，实现数据压缩的目的。在动态的建立串表的同时，字符串和码字 之间逐渐建立关系。在后续的字符串与串表进彳丁比$父，不断完善和壮大串表。生成的串表 不需要随着数据一块进行存储，在解压缩的过程中，仍然能够重建一个完整相同的串表，从 而进一步提尚压缩效率。
[0105] 将训练的最佳阈值引入到同一模态Μ的实时数据和基准数据的差值数据中，进行 LZW编码，间接实现实时数据的压缩，其一般步骤如下：
[0106]
[0107]
[0108]
[0109] 其中，表示最优阈值；(W)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；./Λ'"7νν 表示模态Mgh下、At到（m*At)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 (