CN111740981A - 一种汽车gps轨迹数据压缩方法 - Google Patents

Abstract

本发明属于计算机技术领域，更具体的，涉及一种汽车GPS轨迹数据压缩方法。它包括以下步骤，步骤一，实时获取汽车的GPS轨迹数据，对汽车的轨迹点数据进行处理，提取轨迹点特征，识别轨迹点中的关键点并保存；步骤二，对于轨迹数据的关键点进行网格化处理，将轨迹数据的关键点匹配至带有网格索引的路网上，使得轨迹在经过的网格上形成汽车的GPS轨迹。本发明旨在对汽车GPS轨迹数据进行分级压缩，在充分保留关键轨迹点的前提下，节约存储资源和传输带宽，并提高数据分析效率。

Description

一种汽车GPS轨迹数据压缩方法

技术领域

本发明属于计算机技术领域，更具体的，涉及一种汽车GPS轨迹数据压缩方法。

背景技术

随着公交智能化发展以及定位技术的成熟，GPS定位技术已广泛应用于交通领域。由车载GPS采集的海量轨迹数据随之产生。据统计，如果每10s采集一次数据，则1G的存储空间仅够存储4000个设备1天的数据，与此同时，每传输4000个设备1天的数据量需要花费5000～7000美元，对一段时间的城市公交进行数据分析所需的计算资源更是高要求。

参考专利文献CN201610384450.4公开了一种高压缩率低失真率的GPS数据压缩解压方法，所述解压压缩方法通过对实时采集到的GPS数据进行等时间点排序，组成多个数据包，并对数据包中数据进行转化和存储，实现压缩，再将数据包进行传输，传输后通过计算方向角、坐标、速度和经纬度实现解压，一个数据包内n个时间点的数据压缩前大小为25n个字节，压缩之后的大小为4n+12个字节，压缩率的大小为(4n+12)/25n，假设每20秒形成一个数据包，则压缩率为18.4％，不仅在数据传输过程中至少节省了80％的数据传输流量，而且通过离线平台的处理，能够很好的恢复每个时间点的GPS位置数据，同时达到了节省数据传输成本和效率两方面的目的。

参考专利文献CN201710178837.9公开了使用GPS数据压缩及其数据传输方法，包括如下步骤：(1)从数据源中读取第一条GPS数据作为基准数据；(2)将上述GPS数据中所有的浮点型的数据转换为整型数据；(3)将GPS的基准数据以二进制形式保存进数据包内；(4)对GPS数据是否全部处理完进行判断；(5)将数据包完整数据做CRC32，供服务器校验数据包是否完整传输；(6)使用GZIP压缩算法将数据进行压缩；(7)通过网络发送已压缩好的数据包；(8)将已发送的GPS数据从数据源中删除；(9)判断数据是否完全压缩完，在数据源中查询需要处理的GPS数据是否为空，如果是，则压缩完成，结束本次压缩；如果否，则返回步骤(1)重新开始。本发明通过算法将GPS数据压缩，可节省储存的空间使用。

上述现有技术都是对于数据进行多次压缩，压缩后再传输，使得传输快，但后期还需要进行数据恢复，且恢复后的数据量仍然很大，占用大量的内存。现有技术对数据进行压缩了，但由于公交车在运行时其GPS轨迹数据仍然很大，即便压缩了占用的空间也很大，且后台收到GPS轨迹数据后，展示公交轨迹，对数据进行解压缩，数据量大，分析也需要大量的时间和资源。

发明内容

为了解决GPS数据的存储、传输以及分析等难题，本发明旨在对汽车GPS轨迹数据进行分级压缩，在充分保留关键轨迹点的前提下，节约存储资源和传输带宽，并提高数据分析效率。

为了减少车辆轨迹数据的存储空间，提高数据传输和数据分析速度，本发明提出了一种汽车GPS轨迹数据压缩方法，该方法首先基于综合时空特征提取大规模轨迹数据中的关键点，再对轨迹数据网格化处理压缩，进一步压缩大规模轨迹数据。

为实现上述目的，本发明采用如下技术方案：

一种汽车GPS轨迹数据压缩方法，它包括以下步骤，

步骤一，实时获取汽车的GPS轨迹数据，对汽车的轨迹点数据进行处理，提取轨迹点特征，识别轨迹点中的关键点并保存；

步骤二，对于轨迹数据的关键点进行网格化处理，将轨迹数据的关键点匹配至带有网格索引的路网上，使得轨迹在经过的网格上形成汽车的GPS轨迹。

本技术方案进一步的优化，所述步骤一的轨迹点特征为时间比例距离，

P(x，y，t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度，例如，P_i-1为轨迹起点，P_i+1为轨迹终点，P_i为原始轨迹数据点，P′_i为点P_i基于时间比例的投影点，P_iP′_i的长度为点P_i相对于轨迹{P_i-1，P_i}的时间比例距离，点P′_i的位置坐标由公式(1)、(2)得出：

其中，ΔT＝P_i+1(t)-P_i-1(t)为P_i-1到P_i+1所经历的时间，Δt＝P_i(t)-P_i-1(t)为P_i-1到P_i所经历的时间；

则点P_i时间比例距离P_iP′_i可由公式(3)得到：

其中，

表示P_i的时间比例距离。

本技术方案进一步的优化，所述步骤一的轨迹点特征为速度差值，速度差值计算公式：

其中P(x，y，t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度，

为轨迹点P₀到P_i的平均速度，P₀为汽车的初始轨迹点。

本技术方案进一步的优化，所述步骤一的轨迹点特征为加速度标准差，加速度标准差计算公式：

其中P(x，y，t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度，P₀为汽车的初始轨迹点，N为轨迹点P₀到P_i之间的轨迹点数量，

为轨迹点P₀到P_i的平均加速度。

本技术方更案进一步的优化，所述关键点的识别通过判断轨迹点的特征时间比例距离、速度差值和加速度标准差是否大于其各自预设阈值，如果都不大于，则不是关键点，否则该轨迹点为关键点。

本技术方案进一步的优化，步骤二具体包括，

步骤2.1，确定城市区域的范围后，将城市区域划分为均匀的方形网格，建立网格索引，构建网格地图坐标系；

步骤2.2，确定城市道路，绘制城市道路的路网；

步骤2.3，将汽车GPS轨迹数据的关键点匹配到路网，即将轨迹数据的关键点转成网格地图的索引值，保存记录GPS轨迹。

区别于现有技术，本文提出了一种汽车GPS轨迹数据压缩方法，在实际应用中表明：

A：本发明在城市公交GPS数据压缩中，在很好的保持关键点特征的情况下，平均压缩率达到了80％左右；

B：本发明中，由于关键轨迹点的判断方法是将当前处理的轨迹点与其定义的阈值进行比较，因此本发明算法的时间复杂度为O(n)；

C:方形网格化方法中，结合数据分析应用，在提高数据分析效率的同时，可以进一步提高约10％的数据压缩率。

附图说明

图1为汽车GPS轨迹数据压缩方法流程图；

图2为公交车135路的原始轨迹点示意图；

图3为公交车135路的关键点示意图；

图4为公交车135路网格化后关键点示意图。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

请参阅图1，为汽车GPS轨迹数据压缩方法流程图。本发明优选一实施例一种汽车GPS轨迹数据压缩方法，它包括以下步骤，

步骤一，实时获取汽车的GPS轨迹数据，对汽车的轨迹点数据进行处理，提取轨迹点特征，识别轨迹点中的关键点并保存。

基于综合时空特征的关键点轨迹数据识别，GPS轨迹数据包括经纬度、时间、速度、加速度等特征数据，该实施例以公交车为例，由于公交车是按既定公交线路行驶载客，关键点主要涵盖公交车经过的静态站点、静态路口以及其他影响公交车行驶速度的动态关键点(如施工点、拥堵点等)，且综合考虑了时间比例距离、速度、加速度等指标。

令P(x，y，t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度。GPS轨迹是由轨迹点组合的集合，轨迹点之间按照时间排序，每条轨迹都有唯一的ID来标识。令TR表示车辆的轨迹集，n表示轨迹点的数量，其中TR＝{P_i}(i＝1，2，...，n)。

a、时间比例距离

例如，P_i-1为轨迹起点，P_i+1为轨迹终点，P_i为原始轨迹数据点，P′_i为点P_i基于时间比例的投影点，P_iP′_i的长度为点P_i相对于轨迹{P_i-1，P_i}的时间比例距离。点P′_i的位置坐标由公式(1)、(2)得出：

其中，ΔT＝P_i+1(t)-P_i-1(t)为P_i-1到P_i+1所经历的时间，Δt＝P_i(t)-P_i-1(t)为P_i-1到P_i所经历的时间。

则点P_i时间比例距离P_iP′_i可由公式(3)得到：

其中，

表示P_i的时间比例距离。

b、速度差值

速度差值计算公式：

其中

为轨迹点P₀到P_i的平均速度，P₀为公交车的初始轨迹点。

c、加速度标准差

加速度标准差计算公式：

其中P₀为汽车的初始轨迹点，N为轨迹点P0到Pi之间的轨迹点数量，

为轨迹点P₀到P_i的平均加速度。

根据上面对时间比例距离、速度差值、加速度标准差计算方法的定义，将其作为判断轨迹点是否满足关键点特征的条件。具体要求如下：

任一轨迹点P_i，给定时间比例距离阈值δ_d、速度差值阈值δ_s、加速度标准差阈值δ_a，如果

则点P_i为轨迹关键点。

步骤二，对于轨迹数据的关键点进行网格化处理，将轨迹数据的关键点匹配至带有网格索引的路网上，使得轨迹在经过的网格上形成汽车的GPS轨迹。

网格化方法含两个方面：一方面是地图的网格化。包括网络索引建立，构建网络地图坐标系等；二是轨迹数据的网格化。网格化具体步骤如下：

步骤2.1，确定城市区域的范围后，将城市区域划分为均匀的方形网格，建立网格索引，构建网格地图坐标系。

步骤2.2，确定城市道路，绘制城市道路的路网。使用样本轨迹构建路网的一个重要的依据是，城市公交一定行驶在道路上，因此，城市公交连续的轨迹点将重构道路线型。在确定城市区域范围后，以该范围内连续轨迹点经纬度坐标绘制散点图即可得到路网。本发明采用第一层压缩后的城市公交轨迹数据获取路网数据，不仅简化了处理流程，减少了外部依赖，还节省了存储空间。

步骤2.3，将汽车GPS轨迹数据的关键点匹配到路网，即将轨迹数据的关键点转成网格地图的索引值，即网格编号，保存记录GPS轨迹。

该实施例中，由于关键轨迹点的判断方法是将当前处理的轨迹点与其定义的阈值进行比较，因此本发明算法的时间复杂度为O(n)。

该实施例在城市公交GPS数据压缩中，在很好的保持关键点特征的情况下，平均压缩率达到了80％左右；以合肥市135路公交线路(柴油机厂-郎溪路枢纽站)单趟为例，参阅图2和图3所示，分别为公交车135路的原始轨迹点示意图和公交车135路的关键点示意图，经关键点识别后，平均关键点数为80左右(其中静态站点30个，静态路口和动态关键点平均50个左右)，GPS单趟轨迹点数为410左右，压缩率为80.5％。

方形网格化方法中，结合数据分析应用，在提高数据分析效率的同时，可以进一步提高平均约10％左右的数据压缩率。同样以135路为例，参阅图4所示，为公交车135路网格化后关键点示意图。方形网格化取恰当值时，可将部分静态路口和动态关键点与静态站点合并在同一个网格，最终形成的关键点数为40左右，使压缩率进一步达到了90.2％。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (6)

1.一种汽车GPS轨迹数据压缩方法，其特征在于：它包括以下步骤，

步骤一，实时获取汽车的GPS轨迹数据，对汽车的轨迹点数据进行处理，提取轨迹点特征，识别轨迹点中的关键点并保存；

步骤二，对于轨迹数据的关键点进行网格化处理，将轨迹数据的关键点匹配至带有网格索引的路网上，使得轨迹在经过的网格上形成汽车的GPS轨迹。

2.如权利要求1所述的汽车GPS轨迹数据压缩方法，其特征在于：所述步骤一的轨迹点特征为时间比例距离，

P(x，y，t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度，P_i-1为轨迹起点，P_i+1为轨迹终点，P_i为原始轨迹数据点，P′_i为点P_i基于时间比例的投影点，P_iP′_i的长度为点P_i相对于轨迹{P_i-1，P_i}的时间比例距离，点P′_i的位置坐标由公式(1)、(2)得出：

其中，ΔT＝P_i+1(t)-P_i-1(t)为P_i-1到P_i+1所经历的时间，Δt＝P_i(t)-P_i-1(t)为P_i-1到P_i所经历的时间；

则点P_i时间比例距离P_iP′_i可由公式(3)得到：

其中，

表示P_i的时间比例距离。

3.如权利要求1所述的汽车GPS轨迹数据压缩方法，其特征在于：

所述步骤一的轨迹点特征为速度差值，速度差值计算公式：

其中P(x，y、t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度，

为轨迹点P₀到P_i的平均速度，P₀为汽车的初始轨迹点。

4.如权利要求1所述的汽车GPS轨迹数据压缩方法，其特征在于：所述步骤一的轨迹点特征为加速度标准差，

加速度标准差计算公式：

其中P(x，y、t，v，a)表示轨迹点，其中x、y、t、v、a分别表示轨迹点的经度、纬度、时间、速度、加速度，P₀为汽车的初始轨迹点，N为轨迹点P₀到P_i之间的轨迹点数量，

为轨迹点P₀到P_i的平均加速度。

5.如权利要求2至4所述的汽车GPS轨迹数据压缩方法，其特征在于：所述关键点的识别通过判断轨迹点的特征时间比例距离、速度差值和加速度标准差是否大于其各自预设阈值，如果都不大于，则不是关键点，否则该轨迹点为关键点。

6.如权利要求1所述的汽车GPS轨迹数据压缩方法，其特征在于：所述步骤二具体包括，

步骤2.1，确定城市区域的范围后，将城市区域划分为均匀的方形网格，建立网格索引，构建网格地图坐标系；

步骤2.2，确定城市道路，绘制城市道路的路网；

步骤2.3，将汽车GPS轨迹数据的关键点匹配到路网，即将轨迹数据的关键点转成网格地图的索引值，保存记录GPS轨迹。

Images