CN114900195B - 一种用于粉罐车的安全状态监测系统 - Google Patents

Abstract

本发明涉及数据处理技术领域，具体涉及一种用于粉罐车的安全状态监测系统，该系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：根据要素的各数据序列的各子数据点，得到各目标数据点的位置坐标；根据各目标数据点的位置坐标和霍夫变换，得到各直线以及各直线的码长；根据各直线的投票数据点集合，得到各特殊直线；根据各特殊直线和获取的普通点集合和普通直线集合，得到最优直线集合，进而得到该要素对应的最优字典矩阵；根据当前目标时间段内各要素的数据序列和对应的最优字典矩阵，得到当前各要素对应的稀疏序列，进而对粉罐车的安全状态进行监测。本发明提高了对各要素对应的信息序列的压缩效率。

Description

一种用于粉罐车的安全状态监测系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种用于粉罐车的安全状态监测系统。

背景技术

对于粉罐车的安全状态监测，是通过对粉罐车运行过程中的运行数据进行监测来实现的；由于粉罐车结构复杂，因此涉及到的运行要素种类较多，包括压力、液面高度、介质温度、车辆位置、运行状态等运行数据。由于运行数据种类多且采集频繁，因此想要实现对粉罐车的安全状态进行实时监测，需要对多种运行要素对应的数据进行压缩传输，且压缩效率越高，则数据传输效率越高，因此如何对数据进行更高效的压缩，提高传输效率，以实现增强对粉罐车的安全状态进行监测的实时性是非常重要的。

发明内容

为了解决如何实现对数据进行更高效的压缩的问题，本发明的目的在于提供一种用于粉罐车的安全状态监测系统，所采用的技术方案具体如下：

本发明提供了一种用于粉罐车的安全状态监测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

获取历史数据中粉罐车对应的任一要素对应的各数据序列，所述数据序列为二进制序列；将所述数据序列当中值为1的元素记为子数据点；根据各数据序列对应的各子数据点的位置，得到各数据序列对应的各子数据点对应的位置坐标，所述位置坐标包括数据点对应的序号和位置号；根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标；

根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；根据各直线对应的投票数据点集合，得到各直线对应的码长；所述投票数据点集合包括给对应直线进行投票的各目标数据点；将各目标数据点中仅给一个直线进行投票的目标数据点记为特殊点；根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线；

获取各目标数据点中没有给特殊直线进行投票的各特殊点，得到普通点集合；获取各直线中不包括特殊直线的其他直线，得到普通直线集合；根据普通直线集合、普通点集合和各特殊直线，得到最优直线集合；所述最优直线集合中包括各最优直线；

根据各最优直线对应的码长，将各最优直线进行排序；根据排序后的各最优直线对应的码长和各目标数据点，得到该要素对应的最优字典矩阵；

获取各要素对应的最优字典矩阵，根据当前目标时间段内粉罐车对应的各要素对应的数据序列和各要素对应的最优字典矩阵，得到当前目标时间段内粉罐车对应的各要素对应的数据序列的稀疏序列；利用游程编码对当前时间段内粉罐车对应的各要素对应的数据序列的稀疏序列进行压缩；根据压缩后的数据对粉罐车的安全状态进行监测。

优选的，根据各数据序列对应的各子数据点的位置，得到各数据序列对应的各子数据点对应的位置坐标；根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标，包括：

对于任一数据序列：将该数据序列中的各子数据点按照先后顺序标注对应的序号，得到该数据序列中的各子数据点对应的序号；根据该数据序列中的各子数据点在该数据序列中的位置，对各子数据点标注对应的位置号；根据该数据序列中各子数据点的位置号和序号，构建各子数据点对应的位置坐标；

将各数据序列中的各子数据点中位置坐标相同的子数据点作为同一类数据点，将目标数据点作为各数据序列对应的各子数据点中任意一类数据点的代表；根据各数据序列中的各子数据点对应的位置坐标，构建目标数据点集合，所述目标数据点集合中包括多个目标数据点，所述目标数据点对应的位置坐标为该类子数据点对应的位置坐标。

优选的，根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；根据各直线对应的投票数据点集合，得到各直线对应的码长，包括：

将各目标数据点对应的序号作为横坐标，将各目标数据点对应的位置号作为纵坐标；

利用霍夫变换算法对各目标数据点对应的位置坐标进行处理，得到对应的霍夫矩阵；

根据所述霍夫矩阵，获取霍夫矩阵中投票值大于等于2的点，得到对应的直线集合，所述霍夫矩阵中投票值大于等于2的点对应一条直线；

对于任一直线：将该直线对应的投票数据点集合中的各目标数据点按照对应的序号的大小进行排序；根据该直线对应的投票数据点集合中排序后的目标数据点，计算任意两个相邻的目标数据点对应的位置号的差值的绝对值；将所述任意两个相邻的目标数据点对应的位置号的差值的绝对值中的最小值作为该直线对应的码长。

优选的，所述根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线，包括：

对于任一直线：根据该直线对应的投票数据点集合，获取该直线对应的投票数据点集合包含的特殊点的数量；将该直线对应的投票数据点集合包含的特殊点的数量作为该直线对应的特殊率；若该直线对应的特殊率大于0，则将该直线记为特殊直线。

优选的，所述得到最优直线集合，包括：

将所述普通直线集合中的直线记为普通直线，将普通点集合中的数据点记为普通点；

若普通点集合为空，则将各特殊直线记为最优直线，将各最优直线构成的集合记为最优直线集合；

若普通点集合不为空，则根据普通直线集合中各普通直线对应的码长和普通点集合中给各普通直线进行投票的普通点数量，得到普通直线集合中各普通直线对应的投票率；将普通直线集合中各普通直线对应的投票率最大的普通直线记为特殊直线；将所述投票率最大的普通直线从普通直线集合中去除，得到第一普通直线集合；将给所述投票率最大的普通直线进行投票的普通点从普通点集合中去除，得到第一普通点集合；

若第一普通点集合为空，则将此时的各特殊直线记为最优直线，将各最优直线构成的集合记为最优直线集合；若第一普通点集合不为空，则根据第一普通直线集合中各普通直线对应的码长和第一普通点集合中给各普通直线进行投票的普通点数量，得到第一普通直线集合中各普通直线对应的第一投票率；将第一普通直线集合中第一投票率最大的普通直线记为特殊直线；将所述第一投票率最大的普通直线从第一普通直线集合中去除，得到第二普通直线集合；将给所述第一投票率最大的普通直线进行投票的普通点从第一普通点集合中去除，得到第二普通点集合；

若第二普通点集合为空，则将此时的各特殊直线记为最优直线，将各最优直线构成的集合记为最优直线集合。

优选的，所述得到普通直线集合中各普通直线对应的投票率，包括：

对于普通直线集合中任一普通直线：

根据该普通直线对应的码长和各数据序列的数量，计算给该普通直线进行投票的最大数量，记为最大投票数量；

计算普通点集合中给该普通直线进行投票的普通点的数量和普通点集合中给该普通直线进行投票的各普通点对应的重复数量的和，记为该普通直线对应的目标投票数；所述普通点对应的重复数量为各数据序列中的各子数据点与该普通点的位置坐标相同的子数据点的数量；

计算记为该普通直线对应的目标投票数与该普通直线对应的最大投票数量的比值，作为该普通直线对应的投票率；

所述最大投票数量的计算公式为：

其中，

为该普通直线对应的最大投票数量，

为数据序列对应的长度，

为该普通 直线对应的码长，

为向上取整，

为该要素对应的各数据序列的数量。

优选的，根据各最优直线对应的码长，将各最优直线进行排序，包括：

根据该要素对应的所有目标数据点，构建目标数据点集合；

根据最优直线集合中的各最优直线对应的码长、目标数据点集合中给最优直线集合中的各最优直线进行投票的目标数据点的数量和目标数据点集合中各目标数据点对应的重复数量，得到最优直线集合中各最优直线对应的第二投票率；

选取最优直线集合中第二投票率最大的最优直线，若所述第二投票率最大的最优直线数量不为1，则将所述第二投票率最大的各最优直线中码长最长的最优直线排在第一个；若所述第二投票率最大的最优直线数量为1，则将所述第二投票率最大的最优直线排在第一个；将排在第一个的最优直线记为第一最优直线；将最优直线集合中的第一最优直线去除，得到第一最优直线集合；将目标数据点集合中给第一最优直线投票的各目标数据点记为第一最优直线对应的最优数据点，将第一最优直线对应的最优数据点从目标数据点集合中去除，得到第一目标数据点集合；

根据第一最优直线集合中的各最优直线对应的码长、第一目标数据点集合中给第一最优直线集合中的各最优直线进行投票的目标数据点的数量和第一目标数据点集合中各目标数据点对应的重复数量，得到第一最优直线集合中各最优直线对应的第三投票率；

选取第一最优直线集合中第三投票率最大的最优直线，若所述第三投票率最大的最优直线数量不为1，则将所述第三投票率最大的各最优直线中码长最长的最优直线排在第二个；若所述第三投票率最大的最优直线数量为1，则将所述第三投票率最大的最优直线排在第二个；将排在第二个的最优直线记为第二最优直线；将第一最优直线集合中的第二最优直线去除，得到第二最优直线集合；将第一目标数据点集合中给第二最优直线投票的各目标数据点记为第二最优直线对应的最优数据点，将第二最优直线对应的最优数据点从第一目标数据点集合中去除，得到第二目标数据点集合；

以此类推，直至将最优直线集合中的最优直线完全去除，得到排序后的各最优直线。

优选的，所述得到该要素对应的最优字典矩阵，包括：

根据各最优直线对应的码长，得到各最优直线对应的码字；所述码字中只有最后一位的元素值1，其他的元素均为0；

对于任一最优直线：根据该最优直线对应的码长，计算该最优直线对应的行周期序列的起始位置；所述起始位置为行周期序列中第一个1所在的位置，所述行周期序列的长度与数据序列的长度相同；根据该最优直线对应的行周期序列的起始位置，得到该最优直线对应的行周期序列，所述行周期序列由该最优直线对应的码字循环得到；

根据各最优直线的排列顺序，将各最优直线对应的行周期序列按照顺序组合为该要素对应的最优字典矩阵；

所述计算该最优直线对应的行周期序列的起始位置的公式为：

其中，

为该最优直线对应的各最优数据点对应的位置号中的最小值，

为该 最优直线对应的码长，

为该最优直线对应的行周期序列的起始位置。

优选的，所述得到当前目标时间段内粉罐车对应的各要素对应的数据序列的稀疏序列，包括：

对于当前目标时间段任一要素对应的数据序列：

对于该要素对应的最优字典矩阵中的任一行周期序列：判断该行周期序列中值为1的元素在该数据序列中相同位置上的元素的值是否为1且是否被之前的行周期序列表示过，若为1且被之前的行周期序列表示过，则将该行周期序列中对应位置标记为0；若为1且没有被之前的行周期序列表示过，则将该行周期序列中对应位置标记为1；若为0，则将该行周期序列中对应位置标记为0，该行周期序列中值为0的位置没有标记值；根据该行周期序列中每个位置对应的标记值，得到该行周期序列对应的子稀疏序列；所述该行周期序列对应的子稀疏序列中的元素为该行周期序列中每个位置对应的标记值，且所述子稀疏序列中的元素数量与该行周期序列中值为1的元素的数量相同；

按照顺序将该要素对应的最优字典矩阵中每一行的行周期序列对应的子稀疏序列进行拼接，得到该数据序列对应的稀疏序列。

本发明具有如下有益效果：

本发明首先获取历史数据中粉罐车对应的任一要素对应的各数据序列；然后根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标，进而根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；然后根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线；接着本发明获取各目标数据点中没有给特殊直线进行投票的各特殊点，得到普通点集合；获取各直线中不包括特殊直线的其他直线，得到普通直线集合；然后根据普通直线集合、普通点集合和各特殊直线，得到最优直线集合；最后根据各最优直线对应的码长，得到该要素对应的最优字典矩阵；本发明根据当前目标时间段内粉罐车对应的各要素对应的数据序列和各要素对应的最优字典矩阵，得到当前目标时间段内粉罐车对应的各要素对应的稀疏序列，进而利用游程编码对当前时间段内粉罐车对应的各要素对应的数据序列的稀疏序列进行压缩，并根据压缩后的数据对粉罐车的安全状态进行监测。本发明通过各要素对应的字典矩阵将数据序列转换为长度短且游程长度长的稀疏序列，提高了对各要素对应的信息序列的压缩效率和传输效率，更好的实现了对粉罐车的安全状态的实时监测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的一种用于粉罐车的安全状态监测方法的流程图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功能效果，以下结合附图及较佳实施例，对依据本发明提出的一种用于粉罐车的安全状态监测系统进行详细说明如下。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种用于粉罐车的安全状态监测系统的具体方案。

一种用于粉罐车的安全状态监测系统实施例：

如图1所示，本实施例的一种用于粉罐车的安全状态监测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

步骤S1，获取历史数据中粉罐车对应的任一要素对应的各数据序列，所述数据序列为二进制序列；将所述数据序列当中值为1的元素记为子数据点；根据各数据序列对应的各子数据点的位置，得到各数据序列对应的各子数据点对应的位置坐标，所述位置坐标包括数据点对应的序号和位置号；根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标。

对于粉罐车的安全状态监测，是通过对粉罐车运行过程中的运行数据进行监测来实现的；由于粉罐车结构复杂，因此涉及到的用于对粉罐车的安全状态进行监测的要素种类较多，主要包括压力、液面高度、介质温度、车辆位置、运行状态等多种要素；由于运行要素种类多且采集频繁，因此想要实现对粉罐车的安全状态进行实时监测，需要对监测到的各种要素对应的数据进行压缩传输，且压缩效率越高，则数据传输效率越高，进而对粉罐车的安全状态进行监测的实时性也会增高；本实施例提供了一种用于粉罐车的安全状态监测系统，根据各要素对应的大量的历史数据，得到各要素对应的字典矩阵，然后根据各要素对应的字典矩阵和各要素对应的数据序列，得到各要素对应的稀疏序列，最后通过游程编码对稀疏序列进行压缩并传输，其中传输效率取决于压缩效率，而压缩效率取决于稀疏序列的长度和游程长度，因此本实施例通过获取各要素对应的最优字典矩阵，以提高数据压缩的效率；由于每种要素的具体取值范围和计量单位不同，因此本实施例通过不同要素对应的大量的历史数据获取每种要素对应的最优字典矩阵，然后将每种要素对应的最优字典矩阵存储在系统的发送端和接收端，以便于数据的压缩与解压，进而更好的提高对粉罐车的安全状态进行监测的实时性。

本实施例首先根据大量历史数据，获取历史数据中粉罐车对应的各种要素对应的各信息序列（一个要素对应的一个信息序列为一个目标时间段内的该要素的数据信息，上述获取的各种要素对应的各信息序列为过去时间中的多个历史目标时间段内的信息序列），所述信息序列包括粉罐车在目标时间段内的每个时刻下的对应要素的数据信息，本实施例中目标时间段的大小根据数据监测间隔来设定；本实施例根据大量的历史的监测数据，将所述粉罐车对应的各要素对应的各信息序列转换为二进制，进而得到各种要素对应的各信息序列对应的数据序列，所述数据序列为对应信息序列转换为二进制后的序列。

对于任一数据序列，本实施例将数据序列中值为1的元素记为子数据点。

本实施例通过获取各种要素对应的各数据序列，获取各要素对应的最优字典矩阵，进而后续根据各要素对应的最优字典矩阵得到实时获取的各要素对应的信息序列的稀疏序列，以实现对各要素对应的数据进行压缩传输。

需要说明的是，对于任意目标时间段内的任一要素对应的数据序列

，本实施例 中可以通过自定义运算

，将该数据序列

表示为该要素对应的字典矩阵

和对应 的稀疏序列

；例如：对于长度

的数据序列

，通过自定义运算

，将其表示为对应的字典矩阵

与稀疏序列

。

其中，字典矩阵中的每一行都对应一个行周期序列，是结合起始位置（即行周期序 列中第一个1的位置），由一个码字循环得到的行周期序列，其中码字的形式固定，码字中有 且仅有一个1，且在最后一位上。例如上述字典矩阵的第一行对应的行周期序列

，

是由 码长为6，码字为000001循环得到的，且起始位置为6；即可以通过码字的码长和行周期序列 的起始位置来确定对应的行周期序列为

。

对于字典矩阵

的行周期序列

，由于其对应的码字的码长已经确定为6，因此该 行周期序列中码字循环了两次，而每个码字中有且仅有一个1，只能用来表示数据序列中的 值为1的两个元素；具体为：行周期序列

中的两个值为1的数据的位置分 别为6和12，对应到数据序列

中6和12的位置上也是值为1的元素，因此，该行周期序列用 来表示数据序列

中的两个值为1的元素，因此对应的稀疏序列为11；同理，字典矩阵

的第 二行对应的行周期序列为

，其中的4个值为1的数据的位置分别为1、 4、7和10，对应到数据序列

中的1、4、7的位置上也是值为1的元素，10的位置上不是1的元 素，因此，该行周期序列用来表示数据序列中的3个值为1的元素，因此对应的稀疏序列为 1110；同理，字典矩阵

的第三行对应的行周期序列为

，其中的2个值 为1的数据的位置为3和12，对应到数据序列

中的3和12的位置上也是值为1的元素，但是 由于数据序列

中的12的位置上的1已经被第一行的行周期序列表示过了，因此该行周期 序列用来表示数据序列中的1个值为1的元素，因此对应的稀疏序列为10；最终的稀疏序列 按照字典矩阵每一行的顺序进行组合，得到数据序列

对应稀疏矩阵

。

综上所述，本实施例首先获取各要素对应的字典矩阵，然后根据对应的字典矩阵将数据序列转换为对应的稀疏序列，最后利用游程编码对稀疏序列进行压缩存储。

考虑到游程编码的压缩效率取决于稀疏序列的长度和游程长度，稀疏序列的长度越短且游程长度越长，则压缩效率越大；而稀疏序列的长度和游程长度取决于字典矩阵的选择，稀疏序列的长度取决于组成字典的码字的码长，码长越长，则稀疏序列的长度越短；稀疏序列的游程长度取决于组成字典的码字与数据序列的匹配度，匹配度越大，则稀疏序列的游程长度越长；因此为了获取最大的压缩效率，本实施例需得到各种要素对应的最优字典矩阵。

本实施例考虑到获取各种要素对应的最优字典矩阵的方法相同，接下来本实施例以任意一种要素为例，获取该要素对应的最优字典矩阵。

本实施例将该要素对应的各数据序列中的各子数据点（数据序列中值为1的元素）按照在对应数据序列中的先后顺序标注对应的序号（即子数据点为数据序列中的第几个1）；根据该要素对应的各数据序列中的各子数据点在对应的数据序列中的位置，对各数据序列中的各子数据点标注对应的位置号（即任意子数据点为对应的数据序列中的第几个元素）；然后根据各数据序列中各子数据点的位置号和序号，构建得到各数据序列中各子数据点对应的位置坐标，所述位置坐标的格式为（序号，位置号），其中位置号为子数据点在对应数据序列中的位置；根据各数据序列中的各子数据点对应的位置坐标，得到各数据序列对应的位置坐标序列，所述位置坐标序列包括对应数据序列中各子数据点对应的位置坐标。

例如，该要素对应的对于任一数据序列为101101100001，则该数据序列对应的位 置坐标序列为：

，其中

为该数据序列中第1个 子数据点，是该数据序列中的第1个元素（即位置号为1）；

为该数据序列中第2个子数 据点，是该数据序列中的第3个元素（即位置号为3）；

为该数据序列中第3个子数据点， 是该数据序列中的第4个元素（即位置号为4），以此类推。

至此，本实施例能够得到该要素对应的各数据序列对应的位置坐标序列，即各数据序列中的各子数据点对应的位置坐标。

考虑到各数据序列中的各子数据点对应的位置坐标可能会相同，本实施将各数据序列中的各子数据点中位置坐标相同的子数据点作为同一类数据点，将目标数据点作为各数据序列对应的各子数据点中任意一类数据点的代表，所述目标数据点对应的位置坐标为与该目标数据点类别相同的子数据点的位置坐标；本实施例根据各数据序列中的各子数据点对应的位置坐标，构建目标数据点集合，所述目标数据点集合中包括了多个目标数据点，每个目标数据点对应的位置坐标均不相同（即每个目标数据点为不同类别的数据点）；对于任一目标数据点：将各数据序列中的各子数据点对应的位置坐标中与该目标数据点的位置坐标相同的子数据点的数量记为该目标数据点对应的重复数量。

至此本实施例得到了该要素对应的目标数据点集合、各目标数据点对应的位置坐标和重复数量。

步骤S2，根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；根据各直线对应的投票数据点集合，得到各直线对应的码长；所述投票数据点集合包括给对应直线进行投票的各目标数据点；将各目标数据点中仅给一个直线进行投票的目标数据点记为特殊点；根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线。

本实施例根据步骤S1得到了该要素对应的目标数据点集合，接下来本实施例通过霍夫变换算法，获取组成该要素对应的字典矩阵的所有码字，进而可以选择合适的码字组成最优字典矩阵，实现最大的压缩效率，具体的：

本实施例将所述目标数据点集合中的每个目标数据点对应的位置坐标映射到直 角坐标系中，将所述位置坐标作为对应目标数据点在直角坐标系中的坐标，即将目标数据 点对应的序号作为横坐标，将位置号作为纵坐标；利用霍夫变换算法对各目标数据点对应 的位置坐标进行处理，得到对应的霍夫矩阵，霍夫矩阵中的横坐标为

，纵坐标为

；霍夫矩 阵中每个元素的值为该处的投票值，投票值大于等于2的点对应一条直线，用该点的坐标来 表示对应的直线；本实施例获取霍夫矩阵中投票值大于等于2的点，得到直线集合。

例如，对于该要素对应的目标数据点集合中各目标数据点对应的位置坐标构成的 序列为：

，其中

，

，

在直角坐标系中 可以连成一条直线，即三个位置坐标对应的目标数据点在同一条直线上，则该直线在霍夫 矩阵中的投票值是3大于等于2。本实施例中霍夫变换算法为现有技术，在此就不再赘述。

本实施例根据直线集合中的各直线，得到各直线对应的码字，具体的，对于任一直线：由于所有的码字的结构固定，即码字中有且仅有一个1，且在码字的最后一位上，因此本实例通过确定该直线对应的码字的码长，就可以确定该直线对应的码字；本实施例通过霍夫矩阵，获取组成该直线的所有目标数据点，得到对应的投票数据点集合（所述投票数据点集合中包括了给该直线进行投票的所有目标数据点）；将该直线对应的投票数据点集合中的各目标数据点按照对应的序号进行从小到大的排序；根据该直线对应的投票数据点集合中排序后的各目标数据点，计算任意两个相邻的目标数据点对应的位置号的差值的绝对值，并将所述任意两个相邻的目标数据点对应的位置号的差值的绝对值中的最小值作为该直线对应码字的码长（即该直线对应的码长），进而根据码长得到该直线对应的码字。

至此本实施例根据上述过程能够得到直线集合中各直线对应的码长和码字。

考虑到对于直线集合中的每一条直线，给其投票的目标数据点为组成该直线的目标数据点，因此可以用该直线表示这些目标数据点；一个目标数据点可能给多条直线投票，因此可以用这多条直线中的一条来表示该目标数据点；但是对于某些特殊的目标数据点，其只给一条直线投票，因此能够表示该目标数据点的直线只有一条，若字典矩阵中没有该直线对应的码字，则字典矩阵无法表示该特殊的目标数据点，进而字典矩阵无法表示所有的目标数据点，即字典矩阵不具备完备性；本实施例将目标数据点集合中仅给一个直线进行投票的目标数据点记为特殊点。最优字典矩阵首先需要包括所有能表示特殊点的直线对应的码字，因此本实施例选取包含特殊点的直线，具体的：

对于任一目标数据点：本实施例首先计算该目标数据点给直线集合中投票的直线的数量，将所述投票的直线的数量作为该目标数据点对应的参与数；若该目标数据点对应的参与数为1，则将该目标数据点记为特殊点。至此，本实施例能够获取到该要素对应的各目标数据点中的各特殊点，进而构建特殊点集合。

对于任一直线：根据该直线对应的投票数据点集合，获取该直线对应的投票数据点集合包含的特殊点的数量，本实施例将投票数据点集合包含的特殊点的数量作为该直线对应的特殊率；若该直线对应的特殊率不为0（即大于0），则将该直线记为特殊直线。至此，本实施例能够获取到该要素对应的直线集合中的各特殊直线，进而构建特殊直线集合，所述特殊直线集合包含了各特殊直线。

由于特殊点只有一个直线可以将其表示，为了使字典矩阵具备完备性，因此特殊直线集合中的所有特殊直线对应的码字都应该在最优字典矩阵中。

至此本实施例得到了该要素对应的特殊点集合和特殊直线集合。

步骤S3，获取各目标数据点中没有给特殊直线进行投票的各特殊点，得到普通点集合；获取各直线中不包括特殊直线的其他直线，得到普通直线集合；根据普通直线集合、普通点集合和各特殊直线，得到最优直线集合；所述最优直线集合中包括各最优直线。

本实施例要求最优字典矩阵具有完备性，因此最优字典矩阵要能够表示该要素对应的所有目标数据点；本实施例获取组成最优字典矩阵的最优直线集合，所述最优直线集合中包括各最优直线，且最优直线集合中各最优直线对应的码字就是构建最优字典矩阵中的所有码字；本实施例获取最优直线集合的具体过程为：

本实施例首先获取该要素对应的目标数据点集合中没有给特殊直线投票的目标数据点，进而组成普通点集合；本实施例将该要素对应的目标数据点集合中没有给特殊直线投票的目标数据点记为普通点，所述普通点集合包含了所有的普通点。

若普通点集合为空，则说明此时特殊直线集合组成的字典矩阵是最优字典矩阵，将此时的特殊直线集合记为最优直线集合。

若普通点集合不为空，则本实施例获取直线集合中除特殊直线外的其他所有直线，组成普通直线集合，将普通直线集合中的直线记为普通直线；然后根据普通直线集合、普通点集合和特殊直线集合，得到最优直线集合，具体的：

首先获取普通直线集合中各普通直线对应的投票率，对于任一普通直线：首先根 据该普通直线对应的码长，计算给该普通直线进行投票的最大数量（即给该普通直线进行 投票的数据点的数量的最大值），即：

，其中，

为给该普通直线进行投票的最大 数量（记为该普通直线对应的最大投票数量），

为该要素对应的各数据序列的数量（即获 取到的该要素对应的信息序列有几个），

为数据序列对应的长度（即该数据序列包含的元 素的总数量，本实施例中该要素对应的各数据序列的长度相同），

为该普通直线对应的码 长，

为向上取整；然后计算普通点集合中给该普通直线进行投票的普通点的数量和普通 点集合中给该普通直线进行投票的各普通点对应的重复数量的和（一个普通点就是一个目 标数据点，所以普通点对应的重复数量为对应的目标数据点对应的重复数量），记为该普通 直线对应的目标投票数；计算直线对应的目标投票数和该普通直线对应的最大投票数量的 比值，作为该普通直线对应的投票率（投票率的大小与普通点集合中的各普通点有关）；根 据上述过程，得到普通直线集合中各普通直线对应的投票率。然后本实施例将普通直线集 合中各普通直线对应的投票率最大的普通直线记为特殊直线，加入到特殊直线集合中，并 将该投票率最大的普通直线从普通直线集合中去除，得到第一普通直线集合，将给该投票 率最大的普通直线进行投票的普通点从普通点集合中去除，得到第一普通点集合。

若第一普通点集合为空，则将此时的特殊直线集合作为最优直线集合；若第一普通点集合不为空，则继续根据第一普通直线集合中各普通直线对应的码长、第一普通点集合中给各普通直线进行投票的普通点数量和第一普通点集合中各普通点对应的重复数量，得到第一普通直线集合中各普通直线对应的第一投票率；将第一普通直线集合中第一投票率最大的普通直线记为特殊直线，加入到特殊直线集合中，并将该第一投票率最大的普通直线从第一普通直线集合中去除，得到第二普通直线集合，将给该第一投票率最大的普通直线进行投票的普通点从第一普通点集合中去除，得到第二普通点集合。若第二普通点集合为空，则将此时的特殊直线集合作为最优直线集合；若第二普通点集合不为空，则以此类推，直到普通点集合为空为止，令最终得到的特殊直线集合作为最优直线集合。本实施例中普通直线的投票率是根据对应的普通点集合得到的，因此当普通点集合更新时对应的投票率也会进行更新。

至此本实施例得到了最优直线集合，根据最优直线集合中的各最优直线对应的码字可以表示出该要素对应的所有目标数据点。

步骤S4，根据各最优直线对应的码长，将各最优直线进行排序；根据排序后的各最优直线对应的码长和各目标数据点，得到该要素对应的最优字典矩阵。

本实施例根据步骤S3得到了最优直线集合，根据最优直线集合组成的最优字典矩阵已具备了完备性；为了保证根据最优字典矩阵得到的稀疏序列具有较大的压缩效率，则要求稀疏序列长度短且游程长。为了保证稀疏序列的长度尽可能短，本实施例将码长越长的码字对应的直线排在前面，这是由于码长越长的码字，对应的稀疏序列长度越短；为了保证稀疏序列的游程尽可能长，本实施例将投票率越高的直线排在前面，这是由于投票数越高，对应稀疏序列中的1越多，则游程可能越长；本实施例首先对最优直线集合中的各最优直线进行排序，具体的：

本实施例首先根据最优直线集合中的各最优直线对应的码长、目标数据点集合中给最优直线集合中的各最优直线进行投票的目标数据点的数量和目标数据点集合中各目标数据点对应的重复数量，得到最优直线集合中各最优直线对应的第二投票率；对于任一最优直线：首先根据该最优直线对应的码长和该要素对应的各数据序列的数量，获取该最优直线对应的最大投票数量（与上述获取普通直线对应的最大投票数量的方法相同，就不再赘述）；然后计算目标数据点集合中给该最优直线进行投票的目标数据点的数量和目标数据点集合中给该最优直线进行投票的目标数据点对应的重复数量的和，记为该最优直线对应的目标投票数量，计算该最优直线对应的目标投票数量与该最优直线对应的最大投票数量的比值，作为该最优直线对应的第二投票率。

然后本实施例选取最优直线集合中第二投票率最大的最优直线，将其排在第一个，若最优直线集合中第二投票率最大的最优直线不止一个，则将这些第二投票率最大的最优直线中码长最长的最优直线排在第一个，本实施例将排在第一个的最优直线记为第一最优直线；将最优直线集合中的第一最优直线去除，得到第一最优直线集合；将目标数据点集合中给第一最优直线投票的各目标数据点记为第一最优直线对应的最优数据点，并将第一最优直线对应的最优数据点从目标数据点集合中去除，得到第一目标数据点集合。

同理根据第一最优直线集合中的各最优直线对应的码长、第一目标数据点集合中给第一最优直线集合中的各最优直线进行投票的目标数据点的数量和第一目标数据点集合中各目标数据点对应的重复数量，得到最优直线集合中各最优直线对应的第三投票率；选取第一最优直线集合中第三投票率最大的最优直线，将其排在第二个，若第一最优直线集合中第三投票率最大的最优直线不止一个，则将这些第三投票率最大的最优直线中码长最长的最优直线排在第二个，本实施例将排在第二个的最优直线记为第二最优直线；将第一最优直线集合中的第二最优直线去除，得到第二最优直线集合；将第一目标数据点集合中给第二最优直线投票的各目标数据点记为第二最优直线对应的最优数据点，并将第二最优直线对应的最优数据点从第一目标数据点集合中去除，得到第二目标数据点集合；以此类推直至最优直线集合中的最优直线完全排序，得到最优直线序列以及最优直线序列中各最优直线对应的最优数据点，所述最优直线序列中的各最优直线按照最优直线的排列顺序存放。本实施例中投票率，第一投票率、第二投票率以及第三投票率的计算方法是相同的，由于对应的目标数据点集合、第一目标数据点集合、普通点集合和第一普通点集合不同，所以计算的到的投票率的值也不同，本实施例不再详细赘述。

最优字典矩阵是有多个行周期序列组成的，且一个最优直线对应一个最优字典矩阵中的一个行周期序列，最优直线的排列顺序就是行周期序列在最优字典矩阵中的排列顺序，每个行周期序列是由码字循环组成的；由于码字的形式固定，有且仅有一位为1，且排在码字的最后一位，因此本实施例根据最优直线对应的码长即可确定对应的码字；由于行周期序列是由码字循环组成的，因此本实施例先确定每个行周期序列中的起始位置，即第一个1的位置，具体的：

根据该最优直线对应的码长，计算该最优直线对应的行周期序列的起始位置，即：

其中，

为该最优直线对应的各最优数据点对应的位 置号中的最小值（即该最优直线对应的各最优数据点对应的纵坐标中的最小值），

为该最 优直线对应的码长，

为该最优直线对应的行周期序列的起始位置。

例如，若本实施例中该最优直线对应的码长为5，则该最优直线对应的码字为00001，若计算得到的起始位置为3，且一个行周期序列的长度为12（行周期序列的长度与数据序列的长度相同），则该最优直线对应的行周期序列为001000010000，即该最优直线对应的行周期序列的第三位是1，然后开始循环对应的码字。

本实施例根据上述过程按照最优直线的排列顺序，根据各最优直线对应的码长以及对应的各最优数据点对应的位置号中的最小值，得到各最优直线对应的行周期序列的起始位置，进而得到各最优直线对应的行周期序列；根据各最优直线的排列顺序，将各最优直线对应的行周期序列组合为最优字典矩阵。至此，本实施例得到了该要素对应的最优字典矩阵。

对于该要素在任意目标时间段内的信息序列对应的数据序列：本实施例可以通过 自定义运算

的逆运算

来获取该数据序列对应的稀疏序列，其中

和

为本实施例的自定义运算符，具体的：基于该数据序列，按顺序获取该要素对应的最优字典 矩阵中每一行的行周期序列对应的子稀疏序列，对于任一行周期序列：判断该行周期序列 中值为1的元素在该数据序列中相同位置上的元素的值是否为1且是否被之前的行周期序 列表示过，若为1且被之前的行周期序列表示过，则将该行周期序列中对应位置标记为0；若 为1且没有被之前的行周期序列表示过，则将该行周期序列中对应位置标记为1；若为0，则 将该行周期序列中对应位置标记为0，该行周期序列中值为0的位置没有标记值；根据该行 周期序列中每个位置对应的标记值，得到该行周期序列对应的子稀疏序列（该行周期序列 对应的子稀疏序列中的元素数量与该行周期序列中值为1的元素的数量相同，且按照先后 顺序排列）；最后按照顺序将该要素对应的最优字典矩阵中每一行的行周期序列对应的子 稀疏序列进行拼接，得到该数据序列对应的稀疏序列。

例如，若本实施例中该要素对应的任一数据序列为

，对应的 最优字典矩阵中为

，则该数据序列对应的稀疏序列为：

对于第一行的行周期序列，该行 周期序列上位置为1，4，7，10的元素值为1，在该数据序列中位置为1，4，7的元素值为1，位置 为10的元素值为0，则将该行周期序列中1，4，7位置标记为1，该行周期序列中10的位置标记 为0，所以对应的子稀疏序列为1110。

对于第二行的行周期序列，该行周期序列上位置为3，6，9，12的元素值为1，在该数据序列中位置为3，6，12的元素值为1，位置为9的元素值为0，则将该行周期序列中3，6，12的位置标记为1，该行周期序列中9的位置标记为0，所以对应的子稀疏序列为1101。

对于第三行的行周期序列，该行周期序列上位置为1，6，11的元素值为1，在该数据序列中位置为1，6，11的元素值也为1，但由于该数据序列中位置为1，6的元素已经被前两行的子稀疏序列表示过，因此将该行周期序列中11的位置标记为1，行周期序列中1，6的位置标记为0，所以对应的子稀疏序列为001。根据每一个行周期序列对应的子稀疏序列，按顺序拼接得到该数据序列对应的稀疏序列，即11101101001。

根据上述过程本实施例能够根据该要素对应的最优字典矩阵，得到该要素对应的数据序列的稀疏序列。

步骤S5，获取各要素对应的最优字典矩阵，根据当前目标时间段内粉罐车对应的各要素对应的数据序列和各要素对应的最优字典矩阵，得到当前目标时间段内粉罐车对应的各要素对应的数据序列的稀疏序列；利用游程编码对当前时间段内粉罐车对应的各要素对应的数据序列的稀疏序列进行压缩；根据压缩后的数据对粉罐车的安全状态进行监测。

本实施例根据大量历史数据得到了该要素对应的最优字典矩阵；本实施例利用上述方法获取粉罐车对应的各要素对应的最优字典矩阵。

本实施例获取当前目标时间段内粉罐车对应的各要素对应的信息序列，并将当前目标时间段内粉罐车对应的各要素对应的信息序列转化为二进制序列，即得到当前目标时间段内粉罐车对应的各要素对应的信息序列对应的数据序列；接着利用当前目标时间段内粉罐车对应的各要素对应的信息序列对应的数据序列和各要素对应的最优字典矩阵，得到当前目标时间段内粉罐车对应的各要素对应的信息序列对应的稀疏序列（即对应的数据序列对应的系数序列）。本实施例中根据数据序列和对应要素对应的最优字典矩阵得到数据序列对应的稀疏序列的过程在步骤S4已经描述过，在此就不再赘述。至此本实施例得到了当前时间段内粉罐车对应的各要素对应的信息序列对应的稀疏序列。稀疏序列中1主要集中在序列的前边，0主要集中在序列的后边，便于更好的进行压缩。

然后本实施例利用游程编码对当前目标时间段内各要素对应的信息序列对应的稀疏序列进行压缩，得到各要素对应的压缩数据，进而对各要素对应的压缩数据进行传输；本实施例通过监测系统根据接收到的数据对粉罐车进行监测，系统接收到数据后需将接收到的压缩数据进行解压，并恢复至原有的各要素对应的信息序列，进而对粉罐车的安全状态进行分析。

本实施例通过获取大量的历史数据，进而获取各要素对应的最优字典矩阵；所以，本实施例会将各要素对应的最优字典矩阵存储在发送端和接收端（系统中），然后发送端基于各要素最优字典矩阵可直接获得各要素对应的数据序列对应的稀疏序列，将稀疏序列经过压缩后传输给接收端，最后接收端根据自身系统中存储的各要素对应的最优字典矩阵和接收到的稀疏序列，来将接收到的数据进行解压，并进行恢复。

本实施例通过提高数据的压缩率，进而提高数据传输的效率，增强了监测系统对粉罐车的安全状态进行监测的实时性。

本实施例首先获取历史数据中粉罐车对应的任一要素对应的各数据序列；然后根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标，进而根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；然后根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线；接着本实施例获取各目标数据点中没有给特殊直线进行投票的各特殊点，得到普通点集合；获取各直线中不包括特殊直线的其他直线，得到普通直线集合；然后根据普通直线集合、普通点集合和各特殊直线，得到最优直线集合；最后根据各最优直线对应的码长，得到该要素对应的最优字典矩阵；本实施例根据当前目标时间段内粉罐车对应的各要素对应的数据序列和各要素对应的最优字典矩阵，得到当前目标时间段内粉罐车对应的各要素对应的稀疏序列，进而利用游程编码对当前时间段内粉罐车对应的各要素对应的数据序列的稀疏序列进行压缩，并根据压缩后的数据对粉罐车的安全状态进行监测。本实施例通过各要素对应的字典矩阵将数据序列转换为长度短且游程长度长的稀疏序列，提高了各要素对应的信息序列的压缩效率和传输效率，更好的实现了对粉罐车的安全状态的实时监测。

需要说明的是：以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种用于粉罐车的安全状态监测系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如下步骤：

获取历史数据中粉罐车对应的任一要素对应的各数据序列，所述数据序列为二进制序列；将所述数据序列当中值为1的元素记为子数据点；根据各数据序列对应的各子数据点的位置，得到各数据序列对应的各子数据点对应的位置坐标，所述位置坐标包括数据点对应的序号和位置号；根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标；

根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；根据各直线对应的投票数据点集合，得到各直线对应的码长；所述投票数据点集合包括给对应直线进行投票的各目标数据点；将各目标数据点中仅给一个直线进行投票的目标数据点记为特殊点；根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线；

获取各目标数据点中没有给特殊直线进行投票的各特殊点，得到普通点集合；获取各直线中不包括特殊直线的其他直线，得到普通直线集合；根据普通直线集合、普通点集合和各特殊直线，得到最优直线集合；所述最优直线集合中包括各最优直线；

根据各最优直线对应的码长，将各最优直线进行排序；根据排序后的各最优直线对应的码长和各目标数据点，得到该要素对应的最优字典矩阵；

获取各要素对应的最优字典矩阵，根据当前目标时间段内粉罐车对应的各要素对应的数据序列和各要素对应的最优字典矩阵，得到当前目标时间段内粉罐车对应的各要素对应的数据序列的稀疏序列；利用游程编码对当前时间段内粉罐车对应的各要素对应的数据序列的稀疏序列进行压缩；根据压缩后的数据对粉罐车的安全状态进行监测；

所述得到最优直线集合，包括：

将所述普通直线集合中的直线记为普通直线，将普通点集合中的数据点记为普通点；

若普通点集合为空，则将各特殊直线记为最优直线，将各最优直线构成的集合记为最优直线集合；

若普通点集合不为空，则根据普通直线集合中各普通直线对应的码长和普通点集合中给各普通直线进行投票的普通点数量，得到普通直线集合中各普通直线对应的投票率；将普通直线集合中各普通直线对应的投票率最大的普通直线记为特殊直线；将所述投票率最大的普通直线从普通直线集合中去除，得到第一普通直线集合；将给所述投票率最大的普通直线进行投票的普通点从普通点集合中去除，得到第一普通点集合；

若第一普通点集合为空，则将此时的各特殊直线记为最优直线，将各最优直线构成的集合记为最优直线集合；若第一普通点集合不为空，则根据第一普通直线集合中各普通直线对应的码长和第一普通点集合中给各普通直线进行投票的普通点数量，得到第一普通直线集合中各普通直线对应的第一投票率；将第一普通直线集合中第一投票率最大的普通直线记为特殊直线；将所述第一投票率最大的普通直线从第一普通直线集合中去除，得到第二普通直线集合；将给所述第一投票率最大的普通直线进行投票的普通点从第一普通点集合中去除，得到第二普通点集合；

若第二普通点集合为空，则将此时的各特殊直线记为最优直线，将各最优直线构成的集合记为最优直线集合；

所述得到当前目标时间段内粉罐车对应的各要素对应的数据序列的稀疏序列，包括：

对于当前目标时间段任一要素对应的数据序列：

对于该要素对应的最优字典矩阵中的任一行周期序列：判断该行周期序列中值为1的元素在该数据序列中相同位置上的元素的值是否为1且是否被之前的行周期序列表示过，若为1且被之前的行周期序列表示过，则将该行周期序列中对应位置标记为0；若为1且没有被之前的行周期序列表示过，则将该行周期序列中对应位置标记为1；若为0，则将该行周期序列中对应位置标记为0，该行周期序列中值为0的位置没有标记值；根据该行周期序列中每个位置对应的标记值，得到该行周期序列对应的子稀疏序列；所述该行周期序列对应的子稀疏序列中的元素为该行周期序列中每个位置对应的标记值，且所述子稀疏序列中的元素数量与该行周期序列中值为1的元素的数量相同；

按照顺序将该要素对应的最优字典矩阵中每一行的行周期序列对应的子稀疏序列进行拼接，得到该数据序列对应的稀疏序列。

2.根据权利要求1所述的一种用于粉罐车的安全状态监测系统，其特征在于，根据各数据序列对应的各子数据点的位置，得到各数据序列对应的各子数据点对应的位置坐标；根据各数据序列对应的各子数据点对应的位置坐标，得到该要素对应的各目标数据点和各目标数据点对应的位置坐标，包括：

对于任一数据序列：将该数据序列中的各子数据点按照先后顺序标注对应的序号，得到该数据序列中的各子数据点对应的序号；根据该数据序列中的各子数据点在该数据序列中的位置，对各子数据点标注对应的位置号；根据该数据序列中各子数据点的位置号和序号，构建各子数据点对应的位置坐标；

将各数据序列中的各子数据点中位置坐标相同的子数据点作为同一类数据点，将目标数据点作为各数据序列对应的各子数据点中任意一类数据点的代表；根据各数据序列中的各子数据点对应的位置坐标，构建目标数据点集合，所述目标数据点集合中包括多个目标数据点，所述目标数据点对应的位置坐标为与该目标数据点类别相同的子数据点对应的位置坐标。

3.根据权利要求1所述的一种用于粉罐车的安全状态监测系统，其特征在于，根据各目标数据点对应的位置坐标和霍夫变换，得到各直线；根据各直线对应的投票数据点集合，得到各直线对应的码长，包括：

将各目标数据点对应的序号作为横坐标，将各目标数据点对应的位置号作为纵坐标；

利用霍夫变换算法对各目标数据点对应的位置坐标进行处理，得到对应的霍夫矩阵；

根据所述霍夫矩阵，获取霍夫矩阵中投票值大于等于2的点，得到对应的直线集合，所述霍夫矩阵中投票值大于等于2的点对应一条直线；

对于任一直线：将该直线对应的投票数据点集合中的各目标数据点按照对应的序号的大小进行排序；根据该直线对应的投票数据点集合中排序后的目标数据点，计算任意两个相邻的目标数据点对应的位置号的差值的绝对值；将所述任意两个相邻的目标数据点对应的位置号的差值的绝对值中的最小值作为该直线对应的码长。

4.根据权利要求1所述的一种用于粉罐车的安全状态监测系统，其特征在于，所述根据各直线对应的投票数据点集合中包含的特殊点的数量，得到各特殊直线，包括：

对于任一直线：根据该直线对应的投票数据点集合，获取该直线对应的投票数据点集合包含的特殊点的数量；将该直线对应的投票数据点集合包含的特殊点的数量作为该直线对应的特殊率；若该直线对应的特殊率大于0，则将该直线记为特殊直线。

5.根据权利要求1所述的一种用于粉罐车的安全状态监测系统，其特征在于，所述得到普通直线集合中各普通直线对应的投票率，包括：

对于普通直线集合中任一普通直线：

根据该普通直线对应的码长和各数据序列的数量，计算给该普通直线进行投票的最大数量，记为最大投票数量；

计算普通点集合中给该普通直线进行投票的普通点的数量和普通点集合中给该普通直线进行投票的各普通点对应的重复数量的和，记为该普通直线对应的目标投票数；所述普通点对应的重复数量为各数据序列中的各子数据点与该普通点的位置坐标相同的子数据点的数量；

计算记为该普通直线对应的目标投票数与该普通直线对应的最大投票数量的比值，作为该普通直线对应的投票率；

所述最大投票数量的计算公式为：

其中，

为该普通直线对应的最大投票数量，

为数据序列对应的长度，

为该普通直线 对应的码长，

为向上取整，

为该要素对应的各数据序列的数量。

6.根据权利要求5所述的一种用于粉罐车的安全状态监测系统，其特征在于，根据各最优直线对应的码长，将各最优直线进行排序，包括：

根据该要素对应的所有目标数据点，构建目标数据点集合；

根据最优直线集合中的各最优直线对应的码长、目标数据点集合中给最优直线集合中的各最优直线进行投票的目标数据点的数量和目标数据点集合中各目标数据点对应的重复数量，得到最优直线集合中各最优直线对应的第二投票率；

选取最优直线集合中第二投票率最大的最优直线，若所述第二投票率最大的最优直线数量不为1，则将所述第二投票率最大的各最优直线中码长最长的最优直线排在第一个；若所述第二投票率最大的最优直线数量为1，则将所述第二投票率最大的最优直线排在第一个；将排在第一个的最优直线记为第一最优直线；将最优直线集合中的第一最优直线去除，得到第一最优直线集合；将目标数据点集合中给第一最优直线投票的各目标数据点记为第一最优直线对应的最优数据点，将第一最优直线对应的最优数据点从目标数据点集合中去除，得到第一目标数据点集合；

根据第一最优直线集合中的各最优直线对应的码长、第一目标数据点集合中给第一最优直线集合中的各最优直线进行投票的目标数据点的数量和第一目标数据点集合中各目标数据点对应的重复数量，得到第一最优直线集合中各最优直线对应的第三投票率；

选取第一最优直线集合中第三投票率最大的最优直线，若所述第三投票率最大的最优直线数量不为1，则将所述第三投票率最大的各最优直线中码长最长的最优直线排在第二个；若所述第三投票率最大的最优直线数量为1，则将所述第三投票率最大的最优直线排在第二个；将排在第二个的最优直线记为第二最优直线；将第一最优直线集合中的第二最优直线去除，得到第二最优直线集合；将第一目标数据点集合中给第二最优直线投票的各目标数据点记为第二最优直线对应的最优数据点，将第二最优直线对应的最优数据点从第一目标数据点集合中去除，得到第二目标数据点集合；

以此类推，直至将最优直线集合中的最优直线完全去除，得到排序后的各最优直线。

7.根据权利要求6所述的一种用于粉罐车的安全状态监测系统，其特征在于，所述得到该要素对应的最优字典矩阵，包括：

根据各最优直线对应的码长，得到各最优直线对应的码字；所述码字中只有最后一位的元素值1，其他的元素均为0；

对于任一最优直线：根据该最优直线对应的码长，计算该最优直线对应的行周期序列的起始位置；所述起始位置为行周期序列中第一个1所在的位置，所述行周期序列的长度与数据序列的长度相同；根据该最优直线对应的行周期序列的起始位置，得到该最优直线对应的行周期序列，所述行周期序列由该最优直线对应的码字循环得到；

根据各最优直线的排列顺序，将各最优直线对应的行周期序列按照顺序组合为该要素对应的最优字典矩阵；

所述计算该最优直线对应的行周期序列的起始位置的公式为：

其中，

为该最优直线对应的各最优数据点对应的位置号中的最小值，

为该最优直 线对应的码长，

为该最优直线对应的行周期序列的起始位置。

Images