1.一种基于LZW编码的道路交通数据压缩方法，其特征在于：

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；

2)提取道路交通训练数据，基于同一模态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；

3)提取道路交通实时数据，基于同一模态下的道路交通基准数据，获取道路交通差值数据；

4)基于LZW编码实现道路交通差值数据压缩；

5)基于LZW解码实现道路交通数据重构。

2.如权利要求1所述的一种基于LZW编码的道路交通数据压缩方法，其特征在于：所述步骤1)中，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，包括如下步骤：(1)设计道路交通特征参考序列的结构

设定道路交通状态数据的采集周期是Δt，则道路交通信息模板的时间格式如图1所示。

道路交通特征参考序列的表格式如表1和表2所示。

表1.道路交通特征参考序列信息表

表2.道路交通特征参考序列描述表

(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

道路交通运行模态的划分分为两个层次：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g×h种，记为集合Mode＝{M11，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；

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。

3.如权利要求1或2所述的一种基于LZW编码的道路交通数据压缩方法，其特征在于：所述步骤2)中，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进行LZW编码，基于压缩比，训练道路交通差值数据的最优阈值，其一般表达式如下：其中，Mgh为模态；Δt为道路交通状态数据的采集周期；(i*Δt)为第i个道路交通状态数据采集周期，0≤i≤N，N表示每天采集的交通信息的条数； 表示(i*Δt)时刻的训练数据； 表示(i*Δt)时刻的基准数据；S(i*Δt)表示(i*Δt)时刻训练数据与基准数据的差值数据； 表示模态Mgh下、Δt到(m*Δt)时段训练数据和基准数据的差值数据； 表示模态Mgh下、Δt到(m*Δt)时段阈值处理后的差值数据； 表示Δt到(m*Δt)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’(n)为模态Mgh下、Δt到(m*Δt)时段压缩后的第n个数据；m表示在模态Mgh下、Δt到(m*Δt)时段的压缩前差值数据的数量；w表示LZW编码；n表示在模态Mgh下、Δt到(m*Δt)时段的选取的阈值对应差值数据压缩后的数量；压缩比为

4.如权利要求3所述的一种基于LZW编码的道路交通数据压缩方法，其特征在于：所述步骤3)中，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，其一般表达式如下：其中， 为模态Mgh下、(i*Δt)时刻的实时数据；MS(i*Δt)为模态Mgh下、(i*Δt)时刻的实时数据与基准数据的差值数据； 为模态Mgh下、Δt到(m*Δt)时段的道路交通实时数据和基准数据的差值数据。

5.如权利要求4所述的一种基于LZW编码的道路交通数据压缩方法，其特征在于：所述步骤4)中，基于LZW编码实现道路交通差值数据压缩，将训练的最佳阈值引入到同一模态Mgh的测试数据和基准数据的差值数据中，结合LZW编码，实现差值数据的压缩，其一般表达式如下：其中， 表示最优阈值； 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、Δt到(m*Δt)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；Tn表示模态Mgh下、Δt到(m*Δt)时段的差值数据压缩后的数量；MS’(Tn)表示模态Mgh下、Δt到(m*Δt)时段压缩后的第Tn个数据；压缩比为

6.如权利要求5所述的一种基于LZW编码的道路交通数据压缩方法，其特征在于：所述步骤5)中，基于LZW解码实现道路交通差值数据重构，结合基准数据，实现测试数据的解压缩，其一般表达式如下：其中，w’表示LZW的反解码； 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； 表示在模态Mgh下、Δt到(m*Δt)时段的重构的实时数据。