CN102411677A - 一种基于浮动车数据采集的预处理方法 - Google Patents

Abstract

本发明提供一种基于浮动车数据采集的预处理方法，包括：步骤10、浮动车在车辆行驶过程中在一预设时间内以不同的采样周期采集其车辆编号、位置、速度、方向和时间信息，其中采样周期动态调整；步骤20、浮动车对上述采集的行车数据进行过滤与压缩，得到高价值的压缩数据集；步骤30、浮动车将压缩数据集通过移动蜂窝通信传送到数据中心；步骤40、数据中心对接收到压缩数据集后进行解压还原处理，得到解压数据集，然后将其保存到数据库中。本发明能够实时改变采样周期，并对采集来的数据进行过滤、压缩等预处理，获得了较高的数据采集精度，降低了数据传输的通信成本，减少数据中心的数据处理量，对于提高各类交通信息服务系统的处理能力有着重要意义。

Description

一种基于浮动车数据采集的预处理方法

【技术领域】

本发明涉及信息技术应用领域，特别涉及交通信息服务系统中浮动车数据的采集方法。

【背景技术】

目前在公众出行的交通信息服务系统中，浮动车采集的行车数据是一个重要组成部分，传统系统发送到数据中心的数据往往是以固定采样周期采集到的数据，这些信息大部分是冗余的，包含了大量无效或者对交通信息服务系统利用价值不高的信息，这些信息往往还要通过数据中心的过滤和压缩等处理浪费了大量的资源。

【发明内容】

本发明要解决的技术问题，在于提供一种基于浮动车技术的数据采集方法，能够根据速度信息，实时的改变采样周期，并对采集来的行车数据进行过滤、压缩等预处理，得到高价值的浮动车行车数据，降低了通信成本，减轻了数据中心的压力，对于提高各类交通信息服务系统的处理能力有着重要意义。

本发明是这样实现的：

一种基于浮动车数据采集的预处理方法，该方法包括如下步骤：

步骤10、浮动车行驶时在一预设时间T内以不同的采样周期采集对应的行车数据序列x_i，所述行车数据序列x_i包括：车辆编号u_i、位置l_i、速度v_i、方向s_i和时间t_i信息，即x_i＝<u_i，l_i，v_i，s_i，t_i>，其中i为行车数据序列x的编号；其中采样周期根据浮动车预设的一速度-采样周期对照表动态调整；将所述各行车数据序列依次存储到一行车数据集X中；

步骤20、浮动车根据预设的一数据过滤规则序列，对行车数据集X中的行车数据序列进行过滤，过滤掉不符合所述数据过滤规则序列的行车数据序列，将符合所述数据过滤规则序列的行车数据序列存储到一过滤数据集Y中，然后根据浮动车预设的压缩规则M对过滤数据集Y进行压缩，获得压缩数据集Z，所述压缩规则M为一数据无损压缩算法，所述数据无损压缩算法包括：霍夫曼编码、算术编码、LZW编码；

步骤30、浮动车将压缩数据集Z通过移动通信网络传送到数据中心；

步骤40、数据中心根据数据中心预设的解压规则O对接收到的压缩数据集Z进行解压，得到解压数据集Q，所述解压规则O为压缩规则M的逆过程，即与其数据无损压缩算法对应的逆算法，所述数据中心再将解压数据集Q存储到数据中心的数据库中，从而实现了浮动车数据采集的预处理。

进一步地，所述步骤10具体包括：

步骤11、利用装备GPS车载定位系统的浮动车获取预设的首次采样周期，采集行车数据序列x₁，即x₁＝<u₁，l₁，v₁，s₁，t₁>，将所述行车数据序列x₁存储到行车数据集X，此时X＝{x₁}；

步骤12、从当前存入行车数据集X的行车数据序列中提取速度信息，对所述照速度-采样周期对照表C＝<c₁，c₂，c₃，…，c_n1>，得到下一次采样的采样周期τ_i，其中i为行车数据序列x的编号；所述速度--采样周期对照表C为浮动车预设，c₁，c₂，c₃，…，c_n1为相应速度与采样周期的对照关系，当速度较大时采样周期较小，当速度较小时采样周期较大；

步骤13、浮动车将获取到的下一次采样周期τ_i累加到各个不同的采样周期之和中，所述各个不同的采样周期之和用sum表示，即sum＝sum+τ_i，然后判断加和后的sum是否大于预设时间T，即sum＞T，若是，则完成浮动车的数据采集，执行步骤20；若否；则执行步骤14：

步骤14、浮动车根据采样周期τ_i采集到的行车数据序列x_i依次存储到行车数据集X中，所述行车数据集X表示为X＝{x₁，x₂，x₃，...，x_n}，其中n为在预设时间T内采集的数据的个数，x₁，x₂，x₃，...，x_n为依次存入的行车数据序列，然后执行步骤12。

进一步地，所述步骤20具体包括：

步骤21、浮动车从行车数据集X中依次提取行车数据序列x_i；

步骤22、浮动车将行车数据序列x_i中的u_i，l_i，v_i，s_i，t_i，分别与所述的数据过滤规则序列K进行匹配，所述数据过滤规则序列K＝<U_∑，L_∑，L_∑，S_∑，P_∑>，其中，U_∑为车辆编号u的滤波区间，L_∑为位置l的滤波区间，V_∑为速度v的滤波区间，S_∑为方向s的滤波区间，P_∑为时间t的滤波区间；依次判断u_i，l_i，v_i，s_i，t_i是否属于数据过滤规则序列K，即判断行车数据序列x_i中的u_i，l_i，v_i，s_i，t_i是否属于其相对应的滤波区间：

u_i∈U_∑；

l_i∈L_∑；

v_i∈V_∑；

s_i∈S_∑；

t_i∈P_∑；

步骤23、若某一编号的行车数据序列中有一个数据不属于该对应的滤波区间，则过滤掉该编号对应的行车数据序列，且将该行车数据序列的编号加1；若某一编号的行车数据序列中的各数据均属于该对应的滤波区间，则将该编号对应的行车数据序列保存到过滤数据集Y中，且将该行车数据序列的编号加1；

步骤24、判断步骤23中行车数据序列的编号加1后是否大于行车数据集X中行车数据序列的个数n，若否，则从行车数据集X中提取下一个数据；若是，则进入步骤25；

步骤25、压缩过滤数据集Y，得到压缩数据集Z，完成浮动车行车数据序列的过滤和压缩，并返回到步骤30。

本发明的优点在于：浮动车在车辆行驶过程中根据采样周期采集其车辆编号、位置、速度、方向和时间信息，然后浮动车能根据速度信息，对照速度-采样周期对照表实时改变采样周期，降低采样数据的重复度，并对上述采集的数据进行过滤、压缩等预处理，得到高价值的浮动车行车数据，浮动车将得到的行车数据通过移动蜂窝通信等技术传送到数据中心，数据中心对接收到得数据进行解压等还原处理，并将数据保存到数据库中，从而完成基于浮动车的数据采集。与已有同类方法相比，该方法通过对采集的浮动车数据进行预处理，获得了较高的数据采集精度，降低通信成本，减少数据中心的数据处理量，减轻了数据中心的压力，对于提高各类交通信息服务系统的处理能力有着重要意义。

【附图说明】

下面参照附图结合实施例对本发明作进一步的说明。

图1为本发明一种基于浮动车技术的数据采集方法的流程图。

图2为本发明动态采集算法的流程图。

图3为本发明数据过滤压缩算法的流程图。

【具体实施方式】

请参阅图1所示，一种基于浮动车数据采集的预处理方法，该方法包括如下步骤：

步骤10、浮动车行驶时在一预设时间T内以不同的采样周期采集对应的行车数据序列x_i，所述行车数据序列x_i包括：车辆编号u_i、位置l_i、速度v_i、方向s_i和时间t_i信息，即x_i＝<u_i，l_i，v_i，s_i，t_i>，其中i为行车数据序列x的编号；其中采样周期根据浮动车预设的一速度-采样周期对照表动态调整；将所述各行车数据序列依次存储到一行车数据集X中；

请参阅图2所示，所述步骤10进一步包括：

步骤11、利用装备GPS车载定位系统的浮动车获取预设的首次采样周期，采集行车数据序列x₁，即x₁＝<u₁，l₁，v₁，s₁，t₁>，将所述行车数据序列x₁存储到行车数据集X，此时X＝{x₁}；

步骤12、从当前存入行车数据集X的行车数据序列中提取速度信息，对照所述速度-采样周期对照表C＝<c₁，c₂，c₃，…，c_n1>，得到下一次采样的采样周期τ_i，其中i为行车数据序列x的编号；所述速度-采样周期对照表C为浮动车预设，c₁，c₂，c₃，…，c_n1为相应速度与采样周期的对照关系，当速度较大时采样周期较小，当速度较小时采样周期较大；

步骤13、浮动车将获取到的下一次采样周期τ_i累加到各个不同的采样周期之和中，所述各个不同的采样周期之和用sum表示，即sum＝sum+τ_i，然后判断加和后的sum是否大于预设时间T，即sum＞T，若是，则完成浮动车的数据采集，执行步骤20；若否，则执行步骤14：

步骤14、浮动车根据采样周期τ_i采集到的行车数据序列x_i依次存储到行车数据集X中，所述行车数据集X表示为X＝{x₁，x₂，x₃，...，x_n}，其中n为在预设时间T内采集的数据的个数，x₁，x₂，x₃，...，x_n为依次存入的行车数据序列，然后执行步骤12；

步骤20、浮动车根据预设的一数据过滤规则序列，对行车数据集X中的行车数据序列进行过滤，过滤掉不符合所述数据过滤规则序列的行车数据序列，将符合所述数据过滤规则序列的行车数据序列存储到一过滤数据集Y中，然后根据浮动车预设的压缩规则M对过滤数据集Y进行压缩，获得压缩数据集Z，所述压缩规则M为一数据无损压缩算法，所述数据无损压缩算法包括：霍夫曼编码、算术编码、LZW编码(该些编码是现有技术中常用的编码技术，在此就不做详细描述)；

请参阅图3所示，所述步骤20进一步包括：

步骤21、浮动车从行车数据集X中依次提取行车数据序列x_i；

步骤22、浮动车将行车数据序列x_i中的u_i，l_i，v_i，s_i，t_i，分别与所述的数据过滤规则序列K进行匹配，所述数据过滤规则序列K＝<U_∑，L_∑，V_∑，S_∑，P_∑>，其中，U_∑为车辆编号u的滤波区间，L_∑为位置l的滤波区间，V_∑为速度v的滤波区间，S_∑为方向s的滤波区间，P_∑为时间t的滤波区间；依次判断u_i，l_i，v_i，s_i，t_i是否属于数据过滤规则序列K，即判断行车数据序列x_i中的u_i，l_i，v_i，s_i，t_i是否属于其相对应的滤波区间：

u_i∈U_∑；

l_i∈L_∑；

v_i∈V_∑；

s_i∈S_∑；

t_i∈P_∑；

步骤23、若某一编号的行车数据序列中有一个数据不属于其对应的滤波区间，则过滤掉该编号对应的行车数据序列，且将该行车数据序列的编号加1；若某一编号的行车数据序列中的各数据均属于该对应的滤波区间，则将该编号对应的行车数据序列保存到过滤数据集Y中，且将该行车数据序列的编号加1；

步骤24、判断步骤23中行车数据序列的编号加1后是否大于行车数据集X中行车数据序列的个数n，若否，则进入步骤21；若是，则进入步骤25；

步骤25、压缩过滤数据集Y，得到压缩数据集Z，完成浮动车行车数据序列的过滤和压缩，并返回到步骤30；

步骤30、浮动车将压缩数据集Z通过移动通信网络传送到数据中心；

步骤40、数据中心根据数据中心预设的解压规则O对接收到的压缩数据集Z进行解压，得到解压数据集Q，所述解压规则O为压缩规则M的逆过程，即与其数据无损压缩算法对应的逆算法，所述数据中心再将解压数据集Q存储到数据中心的数据库中，从而实现了浮动车采集数据的预处理。

虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。

Claims (3)

1.一种基于浮动车数据采集的预处理方法，其特征在于：该方法包括如下步骤：

步骤10、浮动车行驶时在一预设时间T内以不同的采样周期采集对应的行车数据序列x_i，所述行车数据序列x_i包括：车辆编号u_i、位置l_i、速度v_i、方向s_i和时间t_i信息，即x_i＝<u_i，l_i，v_i，s_i，t_i>，i为行车数据序列x的编号；其中采样周期根据浮动车预设的一速度-采样周期对照表动态调整；将所述各行车数据序列依次存储到一行车数据集X中；

步骤20、浮动车根据预设的一数据过滤规则序列，对行车数据集X中的行车数据序列进行过滤，过滤掉不符合所述数据过滤规则序列的行车数据序列，将符合所述数据过滤规则序列的行车数据序列存储到一过滤数据集Y中，然后根据浮动车预设的压缩规则M对过滤数据集Y进行压缩，获得压缩数据集Z，所述压缩规则M为一数据无损压缩算法，所述数据无损压缩算法包括：霍夫曼编码、算术编码、LZW编码；

步骤30、浮动车将压缩数据集Z通过移动通信网络传送到数据中心；

步骤40、数据中心根据数据中心预设的解压规则O对接收到的压缩数据集Z进行解压，得到解压数据集Q，所述解压规则O为压缩规则M的逆过程，即与其数据无损压缩算法对应的逆算法，所述数据中心再将解压数据集Q存储到数据中心的数据库中，从而实现了浮动车采集数据的预处理。

2.如权利要求1所述的一种基于浮动车数据采集的预处理方法，其特征在于：所述步骤10具体包括：

步骤11、利用装备GPS车载定位系统的浮动车获取预设的首次采样周期，采集行车数据序列x₁，即x₁＝<u₁，l₁，v₁，s₁，t₁>，将所述行车数据序列x₁存储到行车数据集X，此时X＝{x₁}；

步骤12、从当前存入行车数据集X的行车数据序列中提取速度信息，对照所述速度-采样周期对照表C＝<c₁，c₂，c₃，…，c_n1>，得到下一次采样的采样周期τ_i，其中i为行车数据序列x的编号；所述速度-采样周期对照表C为浮动车预设，c₁，c₂，c₃，…，c_n1为相应速度与采样周期的对照关系，当速度较大时采样周期较小，当速度较小时采样周期较大；

步骤13、浮动车将获取到的下一次采样周期τ_i累加到各个不同的采样周期之和中，所述各个不同的采样周期之和用sum表示，即sum＝sum+τ_i，然后判断加和后的sum是否大于预设时间T，即sum＞T，若是，则完成浮动车的数据采集，执行步骤20；若否，则执行步骤14：

步骤14、浮动车根据采样周期τ_i采集到的行车数据序列x_i依次存储到行车数据集X中，所述行车数据集X表示为X＝{x₁，x₂，x₃，...，x_n}，其中n为在预设时间T内采集的数据的个数，x₁，x₂，x₃，...，x_n为依次存入的行车数据序列，然后执行步骤12。

3.如权利要求1所述的一种基于浮动车数据采集的预处理方法，其特征在于：所述步骤20具体包括：

步骤21、浮动车从行车数据集X中依次提取行车数据序列x_i；

步骤22、浮动车将行车数据序列x_i中的u_i，l_i，v_i，s_i，t_i，分别与所述数据过滤规则序列K进行匹配，所述数据过滤规则序列K＝<U_∑，L_∑，V_∑，S_∑，P_∑>，其中，U_∑为车辆编号u的滤波区间，L_∑为位置l的滤波区间，V_∑为速度v的滤波区间，S_∑为方向s的滤波区间，P_∑为时间t的滤波区间；依次判断u_i，l_i，v_i，s_i，t_i是否属于数据过滤规则序列K，即判断行车数据序列x_i中的u_i，l_i，v_i，s_i，t_i是否属于其相对应的滤波区间：

u_i∈U_∑；

l_i∈L_∑；

v_i∈V_∑；

s_i∈S_∑；

t_i∈P_∑；

步骤23、若某一编号的行车数据序列中有一个数据不属于该对应的滤波区间，则过滤掉该编号对应的行车数据序列，且将该行车数据序列的编号加1；若某一编号的行车数据序列中的各数据均属于该对应的滤波区间，则将该编号对应的行车数据序列保存到过滤数据集Y中，且将该行车数据序列的编号加1；

步骤24、判断步骤23中行车数据序列的编号加1后是否大于行车数据集X中行车数据序列的个数n，若否，则从行车数据集X中提取下一个数据；若是，则进入步骤25；

步骤25、压缩过滤数据集Y，得到压缩数据集Z，完成浮动车行车数据序列的过滤和压缩，并返回到步骤30。