[发明专利]一种时空数据序列的压缩方法、装置及收集系统

说明书

本发明公开了一种时空数据序列的压缩方法、装置及收集系统，涉及计算机技术领域。该方法的一具体实施方式包括：根据时空数据序列中的位置坐标信息构建平滑去噪模型，其中，平滑去噪模型包括噪音测量矩阵、状态转换矩阵以及卡尔曼滤波方程；根据平滑去噪模型对时空数据序列进行平滑去噪处理；根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理，以实现对时空数据序列的压缩。该实施方式能够识别并剔除噪音数据，实现了在保证较高精确度的情况下对时空数据序列压缩。

技术领域

本发明涉及计算机技术领域，尤其涉及一种时空数据序列的压缩方法、装置及收集系统。

背景技术

随着5G(5th-Generation，简称5G)和IoT(Internet of Things，物联网)技术的发展，大量的传感器在实时地采集时空数据。大量时空数据的产生需要大量的存储空间和传输带宽。现有技术只是通过调整传感器的上传时间间隔来控制上传的时空数据数量，以节省流量和传送带宽。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

通过调整调整传感器的上传时间间隔虽然能减少同一时刻上传的时空数据数量，但同时也降低了数据的精确度，而且也无法去除噪音数据。

发明内容

有鉴于此，本发明实施例提供一种时空数据序列的压缩方法、装置及收集系统，能够识别并剔除噪音数据，在保证较高精确度的情况下实现时空数据序列的压缩。

为实现上述目的，根据本发明实施例的第一方面，提供了一种时空数据序列的压缩方法，包括：

根据时空数据序列中的位置坐标信息构建平滑去噪模型，其中，平滑去噪模型包括噪音测量矩阵、状态转换矩阵以及卡尔曼滤波方程；

根据平滑去噪模型对时空数据序列进行平滑去噪处理；

根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理，以实现对时空数据序列的压缩。

进一步地，在根据时空数据序列中的位置坐标信息构建平滑去噪模型的步骤之前，时空数据序列的压缩方法还包括：将多个时空数据按照时间戳的先后顺序排列，以构建时空数据序列。

进一步地，噪音测量矩阵是根据测量矩阵、真实状态向量以及零均值高斯噪音矢量进行构建的；状态转化矩阵是根据系统矩阵、多个时空数据以及噪音项构建的；卡尔曼滤波方程包括外推方程和/或根据外推方程得到的估计方程。

进一步地，根据平滑去噪模型对时空数据序列进行平滑去噪处理的步骤包括：根据平滑去噪模型识别出时空数据序列中的噪音数据，计算噪音数据对应的估计值，用估计值替换噪音数据，以实现对时空数据序列的平滑去噪处理。

进一步地，根据有损压缩算法对经过平滑去噪处理的时空数据序列进行压缩处理的步骤包括：

步骤1，将经过平滑去噪处理的时空数据序列的首节点和尾节点连成直线段；

步骤2，依次计算时空数据序列中的时空数据到直线段的垂直欧式距离，并判断垂直欧式距离是否小于或等于位置误差阈值；若是，则执行步骤3；若否，则转到步骤5；

步骤3，判断是否所有时空数据的垂直欧式距离均计算完毕；若否，则执行步骤4；若是，则转到步骤6；

步骤4，代入时空数据序列中的下一数据返回至步骤2；

步骤5，在当前时空数据对应的位置处将当前时空数据序列分裂为两段时空数据序列，然后返回至步骤1；

步骤6，结束压缩处理步骤，得到由多条依次相连的直线段组成的时空数据序列，完成对时空数据序列的压缩。