1.一种基于PCA和LZW编码的道路交通空间数据压缩方法，其特征在于：所述方法包括以下步骤：

1)基于同一模态下、空间上不同路段的道路交通数据建立道路交通特征参考序列；基于PCA方法，选取具有相关性的道路交通路段集合，其过程如下：从道理交通特征参考序列中提取s条路段的道路交通历史数据，每条路段的采集数据为r，并将其变换为s×r的矩阵，记为：Asⅹr；

矩阵Asⅹr第j列的均值为：

基于aj，获得Asⅹr的归一化矩阵SAsⅹr：

归一化矩阵SA的协方差矩阵CSA为：

获得协方差矩阵CSA的特征值D和特征向量V，则D＝[λ1,λ2…λr]；λ1≥λ2≥…≥λr；对应的特征向量为：V＝[v1,v2…vr]；

选取λ1，λ2对应的特征向量构成的投影矩阵VAr×2＝[v1,v2]，基于投影矩阵和归一化的训练矩阵，求取Asⅹr的主成分矩阵APCr×2：APCs×2＝SAsⅹr×VAr×2   (4)

基于APCs×2，在二维平面上画出s条路段的分布，点的分布疏密表示对应路段相关性强度，通过相关性分析，设定阈值δ，选择相关性大于δ的p+1条路段，其过程如下：其中，i，j分别表示第i、j条路段，0

2)选择基准路段，并将其数据作为空间上的道路交通基准数据；提取同一模态下、空间上其它路段的历史数据，作为训练数据，基于同一模态下、空间上的道路交通基准数据，确定空间道路交通差值数据的最优阈值，其过程如下：Si(m*Δt,Mgh)＝STi(m*Δt,Mgh)-SB(m*Δt,Mgh)   (6)ei(m,Mgh)＝[Si(Δt,Mgh)Si(2*Δt,Mgh)...Si(m*Δt,Mgh)]   (7)pei(n,Mgh)＝w(hei(m,Mgh))   (9)

pei(n,Mgh)＝[Si'(1,Mgh)Si'(2,Mgh)...Si'(n,Mgh)]   (10)其中，Δt为道路交通状态数据的采集周期；(m*Δt)为第m个道路交通状态数据采集周期，0≤m≤N，N表示每天采集的交通信息的数量；i(1≤i≤p)表示第i条路段；STi(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻i路段的道路交通数据；SB(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻基准路段的基准数据；Si(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻i路段的训练数据与基准路段的基准数据的差值数据；ei(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段i路段的训练数据与基准路段的基准数据的差值数据；hei(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段阈值处理后i路段的训练数据与基准路段的基准数据的差值数据；Ei(m，Mgh)表示模态Mgh下、Δt到(m*Δt)时段i路段选取的阈值；pei(n，Mgh)表示模态Mgh下、Δt到(m*Δt)时段i路段与基准路段的差值数据经LZW编码后的结果；Si’(n，Mgh)为模态Mgh下、Δt到(m*Δt)时段i路段与基准路段的差值数据经LZW编码后的结果中第n个数据；m表示在模态Mgh下、Δt到(m*Δt)时段压缩前的i路段与基准路段的差值数据的数量；n表示在模态Mgh下、Δt到(m*Δt)时段压缩后的道路交通数量；w表示LZW编码；压缩比为

3)提取空间上其它路段的数据，作为实时数据；模态Mgh下、基于空间上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：MSj(m*Δt,Mgh)＝SMj(m*Δt,Mgh)-SB(m*Δt,Mgh)   (11)errj(m,Mgh)＝[MSj(Δt,Mgh)MSj(2*Δt,Mgh)...MSj(m*Δt,Mgh)]   (12)其中，j(1≤i≤p)表示第j条路段；SMj(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻j路段的实时数据；MSj(m*Δt，Mgh)为模态Mgh下、(m*Δt)时刻j路段的实时数据与基准路段的基准数据的差值数据；errj(m，Mgh)为模态Mgh下、Δt到(m*Δt)时段j路段的实时数据与基准路段的基准数据的差值数据；

4)基于LZW编码实现道路交通空间数据的压缩，其过程如下：

将i路段与基准路段的差值数据训练的最佳阈值引入到同一模态Mgh、j路段与基准路段的差值数据中，结合LZW编码，实现j路段与基准路段差值数据的压缩，其一般表达式如下：herrsp(m*Δt,Mgh)＝[herr1(m*Δt,Mgh)herr2(Δt,Mgh)...herrp'(m*Δt,Mgh)]   (14)perrp'(m*Δt,Mgh)＝w(herrsp(m*Δt,Mgh))   (15)perrp'(m*Δt,Mgh)＝[MS1(m*Δt,Mgh)MS2(m*Δt,Mgh)...MSp'(m*Δt,Mgh)]   (16)其中，Eopt(Mgh)表示训练的最优阈值；herrj(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻阈值处理后j路段的实时数据与基准路段的基准数据的差值数据；m表示模态Mgh下、Δt到(m*Δt)时段压缩前j路段与基准路段的差值数据的数量；herrsp(m*Δt,Mgh)表示模态Mgh下、(m*Δt)时刻p条路段差值数据的数量集合；Perrp’(m*Δt,Mgh)表示模态Mgh下、(m*Δt)时刻p条路段压缩后差值数据的数量集合；MSj’(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻，j路段的差值数据压缩后的数量；p’表示(m*Δt)时刻LZW编码后的数量；压缩比为：

2.如权利要求1所述的基于PCA和LZW编码的道路交通空间数据压缩方法，其特征在于：所述压缩方法还包括如下步骤：

5)基于LZW解码技术，实现道路交通空间数据重构，其过程如下：

对p条路段与基准路段的差值数据进行重构，结合基准数据，实现p条路段实时数据的解压缩，其一般表达式如下：dperrp(m*Δt,Mgh)＝w'(perrp'(m*Δt,Mgh))   (17)dperrj(m,Mgh)＝w'(perrj(Tn,Mgh))   (18)

CSMj(m,Mgh)＝SB(m,Mgh)+dperrj(m,Mgh)   (19)其中，w’表示LZW的解码；dperrp(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻解码后的p路段与基准路段的差值数据；CSMp(m*Δt，Mgh)表示模态Mgh下、(m*Δt)时刻重构的p条路段的道路交通数据。