开云优惠体育网页版入口

专利名称：基于物联网的高速公路的气象数据传输共享方法

专利类型：实用新型专利

专利申请号：CN202411267505.4

专利申请（专利权）人：贵州桥梁建设集团有限责任公司
权利人地址：贵州省贵阳市云岩区延安中路1号26楼

专利发明（设计）人：杨国栋,高位林,罗陈勇,张国超,包生诚,欧阳斌

专利摘要：本申请涉及数据处理领域，具体提供一种基于物联网的高速公路的气象数据传输共享方法，包括：获取气象数据集合，所述气象数据集合包括多个气象数据序列；确定所述气象数据序列对应的突变区域，所述突变区域为所述气象数据序列中波动剧烈的数据区域；确定每一所述突变区域在频域中的变化情况，并基于所述变化情况确定所述突变区域对应的第一采样频率；基于所述第一采样频率对所述突变区域进行采样，以及基于第二采样频率对所述气象数据序列中非突变区域进行采样，其中，所述第二采样频率为奈奎斯特采样定理的原始采样频率。该方法能够使得采样结果更加贴近原始数据特征，有效降低数据传输所需带宽，提高数据传输效率。

主权利要求：
1.基于物联网的高速公路的气象数据传输共享方法，其特征在于，包括：获取气象数据集合，所述气象数据集合包括多个气象数据序列，每一气象数据序列表示一个维度的气象数据值；
确定所述气象数据序列对应的突变区域，所述突变区域为所述气象数据序列中波动剧烈的数据区域；
确定每一所述突变区域在频域中的变化情况，并基于所述变化情况确定所述突变区域对应的第一采样频率；
基于所述第一采样频率对所述突变区域进行采样，以及基于第二采样频率对所述气象数据序列中非突变区域进行采样，其中，所述第二采样频率为奈奎斯特采样定理的原始采样频率；
确定所述气象数据序列对应的突变区域，包括：
计算所述气象数据序列中每一时间节点对应的气象突变趋势特征；
将气象突变趋势特征处于预设区间的时间节点作为区域划分点，基于所述区域划分点确定所述气象数据序列对应的突变区域；
确定每一所述突变区域在频域中的变化情况，包括：
将所述突变区域中相邻时间节点内的气象数据值进行短时傅里叶变换，得到所述突变区域中每一时间节点对应范围内的幅值信息；
基于最大幅值信息、最小幅值信息、所述突变区域中时间节点总数、所述突变区域中每一时间节点对应的气象突变趋势特征、所述突变区域中幅值信息的离散程度计算得到所述突变区域的异动值，所述突变区域的异动值表征所述突变区域在频域中的变化情况；
基于所述变化情况确定所述突变区域对应的第一采样频率，包括：对所述突变区域的异动值进行归一化；
根据归一化后的异动值和所述第二采样频率得到所述突变区域对应的第一采样频率；
所述突变区域对应的第一采样频率与所述突变区域的异动值正相关；
计算所述气象数据序列中每一时间节点对应的气象突变趋势特征，包括：建立所述气象数据序列关于时间?气象数据值坐标系，并基于坐标系计算当前时间节点与左相邻的时间节点之间的欧式距离；其中，所述气象数据序列包括每秒采集的气象数据值，每分钟作为一个所述时间节点；
基于时间节点t的气象数据值与时间节点t?1的气象数据值之间的变化情况、时间节点t?1的气象数据值和时间节点t?2的气象数据值之间的变化情况确定所述当前时间节点的气象数据值对应的权重系数；
基于当前时间节点与左相邻的时间节点之间的欧式距离和所述当前时间节点的气象数据值对应的权重系数确定所述当前时间节点对应的气象突变趋势特征；所述欧式距离与所述当前时间节点对应的气象突变趋势特征正相关；
利用如下公式计算所述当前时间节点的气象数据值对应的权重系数：；
其中， 表示时间节点t的气象数据值对应的权重系数， 表示时间节点t的气象数据值相对于时间节点t?1的气象数据值的变化量， 表示时间节点t?1的气象数据值相对于时间节点t?2的气象数据值的变化量， 表示 和 的均值，表示以自然常数e为底的指数函数；
利用如下公式计算所述当前时间节点对应的气象突变趋势特征：；
其中， 表示时间节点t对应的气象突变趋势特征， 表示时间节点t的气象数据值对应的权重系数， 表示时间节点t的横坐标， 表示时间节点t?1的横坐标，表示时间节点t对应的纵坐标， 表示时间节点t?1对应的纵坐标，[?c，c]表示参与构建当前时间节点与左相邻的时间节点之间的欧式距离的邻域数据点， 表示归一化函数；
利用如下公式计算得到所述突变区域的异动值：
；
其中， 表示突变区域M的异动值， 表示所述突变区域M中时间节点的幅值信息中的最大幅值信息， 表示所述突变区域M中时间节点的幅值信息中的最小幅值信息，表示所述突变区域M中时间节点的总数， 表示突变区域M中第n个时间节点 的气象突变趋势特征， 表示突变区域M中第n个时间节点 的幅值信息，表示所述突变区域M中所有时间节点的幅值信息均值；
利用如下公式频率得到所述突变区域对应的第一采样频率：；
其中， 表示突变区域M对应的第一采样频率， 表示突变区域M的异动值，表示归一化函数， 表示第二采样频率，其中 表示所述突变区域M中所有时间节点的幅值信息均值。
2.根据权利要求1所述的基于物联网的高速公路的气象数据传输共享方法，其特征在于，所述方法还包括：对所述气象数据集合进行去噪处理。 说明书 : 基于物联网的高速公路的气象数据传输共享方法技术领域[0001] 本申请涉及数据处理领域，尤其是涉及一种基于物联网的高速公路的气象数据传输共享方法。背景技术[0002] 基于物联网传输的高速公路气象数据主要可以分类为以下几类，包括气温、湿度、降水量及路面状况等。为了起到数据传输共享的作用，需要对此类数据进行精确采集和压缩处理。例如在传输过程中，对原数据进行采样处理，降低数据所占带宽，提高传输效率。通过对该气象数据进行有效的传输处理，高速公路管理机构能够实时掌握路况和气象状况，有效地进行交通调度和安全管理，同时也能为驾驶者提供及时的路况信息和驾驶建议。[0003] 在对高速公路气象数据进行传输的过程中，为了提高传输效率，增加传输数据的实时性，需要对待传输的气象数据进行采样处理，传输经过采样后精简化的数据。一般为了保证采样数据具备原数据的完整特征，需要使其满足奈奎斯特采样定理。但由于公路气象数据的突变性和趋势性，导致由突变性确定的采样率在不存在较多数据特征变化的区域会存在较高的数据冗余，不能有效降低数据传输所需带宽，降低采样操作的必要性。发明内容[0004] 为解决上述问题，本申请提供一种基于物联网的高速公路的气象数据传输共享方法，该方法根据气象数据值确定突变区域，根据突变区域在频域中的变化情况确定对应的采样频率以对突变区域进行采样，能够使得采样结果更加贴近原始数据特征，有效降低数据传输所需带宽，提高数据传输效率。[0005] 本申请提供一种基于物联网的高速公路的气象数据传输共享方法，其包括：[0006] 获取气象数据集合，所述气象数据集合包括多个气象数据序列，每一气象数据序列表示一个维度的气象数据值；[0007] 确定所述气象数据序列对应的突变区域，所述突变区域为所述气象数据序列中波动剧烈的数据区域；[0008] 确定每一所述突变区域在频域中的变化情况，并基于所述变化情况确定所述突变区域对应的第一采样频率；[0009] 基于所述第一采样频率对所述突变区域进行采样，以及基于第二采样频率对所述气象数据序列中非突变区域进行采样，其中，所述第二采样频率为奈奎斯特采样定理的原始采样频率。[0010] 其中，确定所述气象数据序列对应的突变区域，包括：[0011] 计算所述气象数据序列中每一时间节点对应的气象突变趋势特征；[0012] 将气象突变趋势特征处于预设区间的时间节点作为区域划分点，基于所述区域划分点确定所述气象数据序列对应的突变区域。[0013] 其中，计算所述气象数据序列中每一时间节点对应的气象突变趋势特征，包括：[0014] 建立所述气象数据序列关于时间?气象数据值坐标系，并基于坐标系计算当前时间节点与左相邻的时间节点之间的欧式距离；其中，所述气象数据序列包括每秒采集的气象数据值，每分钟作为一个所述时间节点；[0015] 基于时间节点t的气象数据值与时间节点t?1的气象数据值之间的变化情况、时间节点t?1的气象数据值和时间节点t?2的气象数据值之间的变化情况确定所述当前时间节点的气象数据值对应的权重系数；[0016] 基于当前时间节点与左相邻的时间节点之间的欧式距离和所述当前时间节点的气象数据值对应的权重系数确定所述当前时间节点对应的气象突变趋势特征；所述欧式距离与所述当前时间节点对应的气象突变趋势特征正相关。[0017] 其中，利用如下公式计算所述当前时间节点的气象数据值对应的权重系数：[0018] ；[0019] 其中， 表示时间节点t的气象数据值对应的权重系数， 表示时间节点t的气象数据值相对于时间节点t?1的气象数据值的变化量， 表示时间节点t?1的气象数据值相对于时间节点t?2的气象数据值的变化量， 表示 和 的均值， 表示以自然常数e为底的指数函数。[0020] 其中，利用如下公式计算所述当前时间节点对应的气象突变趋势特征：[0021] ；[0022] 其中， 表示时间节点t对应的气象突变趋势特征， 表示时间节点t的气象数据值对应的权重系数， 表示时间节点t的横坐标， 表示时间节点t?1的横坐标， 表示时间节点t对应的纵坐标， 表示时间节点t?1对应的纵坐标，[?c，c]表示参与构建当前时间节点与左相邻的时间节点之间的欧式距离的邻域数据点， 表示归一化函数。[0023] 其中，确定每一所述突变区域在频域中的变化情况，包括：[0024] 将所述突变区域中相邻时间节点内的气象数据值进行短时傅里叶变换，得到所述突变区域中每一时间节点对应范围内的幅值信息；[0025] 基于最大幅值信息、最小幅值信息、所述突变区域中时间节点总数、所述突变区域中每一时间节点对应的气象突变趋势特征、所述突变区域中幅值信息的离散程度计算得到所述突变区域的异动值，所述突变区域的异动值表征所述突变区域在频域中的变化情况。[0026] 其中，利用如下公式计算得到所述突变区域的异动值：[0027] ；[0028] 其中， 表示突变区域M的异动值， 表示所述突变区域M中时间节点的幅值信息中的最大幅值信息， 表示所述突变区域M中时间节点的幅值信息中的最小幅值信息，表示所述突变区域M中时间节点的总数， 表示突变区域M中第n个时间节点 的气象突变趋势特征， 表示突变区域M中第n个时间节点 的幅值信息， 表示所述突变区域M中所有时间节点的幅值信息均值。[0029] 其中，基于所述变化情况确定所述突变区域对应的第一采样频率，包括：[0030] 对所述突变区域的异动值进行归一化；[0031] 根据归一化后的异动值和所述第二采样频率得到所述突变区域对应的第一采样频率；所述突变区域对应的第一采样频率与所述突变区域的异动值正相关。[0032] 其中，利用如下公式频率得到所述突变区域对应的第一采样频率：[0033] ；[0034] 其中， 表示突变区域M对应的第一采样频率， 表示突变区域M的异动值， 表示归一化函数， 表示第二采样频率，其中 表示所述突变区域M中所有时间节点的幅值信息均值。[0035] 其中，所述方法还包括：[0036] 对所述气象数据集合进行去噪处理。[0037] 本申请的有益效果，区别于现有技术的情况，本申请的基于物联网的高速公路的气象数据传输共享方法通过确定所述气象数据序列对应的突变区域，基于突变区域在频域中的变化情况确定所述突变区域对应的第一采样频率，基于所述第一采样频率对所述突变区域进行采样，能够使得采样结果更加贴近原始数据特征，并且有效降低数据传输所需带宽，提高数据传输效率。附图说明[0038] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图，其中：[0039] 图1为本发明基于物联网的高速公路的气象数据传输共享方法的一实施例的流程示意图；[0040] 图2为图1中步骤S12的一实施例的流程示意图；[0041] 图3为图1中步骤S13的一实施例的流程示意图。具体实施方式[0042] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。[0043] 请参见图1，图1为本发明基于物联网的高速公路的气象数据传输共享方法的一实施例的流程示意图，具体包括：[0044] 步骤S11：获取气象数据集合，所述气象数据集合包括多个气象数据序列，每一气象数据序列表示一个维度的气象数据值。[0045] 本实施例旨在将高速公路多维度气象数据进行有效传输，具体的，本申请主要是通过优化采样，从而实现提高传输效率的目的，所以在进行采样处理前需要获取到不同维度的气象数据值。包括但不仅限于：高速公路气温数据、温度数据、当地降水数据、能见度等。此类数据通过传感器、相关专业采集设备等获。菪问轿允。[0046] 例如采集气温数据得到气温数据的气象数据序列A1，采集温度数据得到温度数据的气象数据序列A2，采集降水数据得到降水数据的气象数据序列A3，采集能见度数据得到能见度数据的气象数据序列A4。气象数据序列A1、A2、A3、A4为4个不同维度的气象数据序列，在一个气象数据序列中，每一次采集到的数据例如气温数据、温度数据、降水数据、能见度数据分别为对应维度的气象数据值。[0047] 在一实施例中，可以使用均值滤波对气象数据集合进行去噪处理，目的是避免噪声数据影响采样迭代结果。[0048] 步骤S12：确定所述气象数据序列对应的突变区域，所述突变区域为所述气象数据序列中波动剧烈的数据区域。[0049] 高速公路的气象数据特征较为多元化，主要包括周期性、趋势性以及突变性和异常性。具体的，周期性表现为温度及湿度数据通常由日夜变化而呈现周期性增减；趋势性表现为温度数据随着季节变化而逐渐升高或者减低；突变性和异常性表现为风速、降雨量可能会有突然的变化，这些突变通常不易通过常规的预测模型捕捉，并且出现概率较为随机，并且此类突变性数据拥有着较多的数据特征。[0050] 高速公路气象数据，例如短时间内的风速、降水量等会存在一定的突变性，不同维度数据的突变区域也不一致，所以此处分析仅针对单一维度例如风速，其它维度分析方法相同。[0051] 风速的变化较为随机，存在一定的不可预测性，所以对其进行采样处理时，采样频率也会因为数据的随机变化而难以获取。为了优化采样结果，提高传输效率，首先需要确定具备相似变化特征的数据范围或者数据区域。具备相似变化特征的数据区域在采样频率上相似或者相同，对该数据进行采样处理时，不会因为数据特征的随机性导致采样频率不适用的问题；反之，具有剧烈波动的突变性数据在采样频率上应该符合数据波动特征，才能够优化采样结果，因此需要确定具有剧烈波动的数据突变区域。本实施例中，分析气象数据序列对应的气象突变趋势特征，从而得到突变区域。可以理解的数据在某个区间气象突变趋势特征越相似，越能作为同一个突变区域。[0052] 基于此，请结合图2，图2为图1中步骤S12的一实施例的流程示意图，具体包括：[0053] 步骤S21：计算所述气象数据序列中每一时间节点对应的气象突变趋势特征。[0054] 以上述气象数据序列A1、A2、A3、A4中任一气象数据序列为例进行说明，在一具体实施例中，可以以风速对应的气象数据序列为例。气象数据序列包括每秒采集的气象数据值，每分钟作为一个所述时间节点。首先确定气象数据序列中每一时间节点对应的气象突变趋势特征。[0055] 在一实施例中，建立所述气象数据序列关于时间?气象数据值坐标系。需要说明的是，以秒为时间单元采集对应维度的气象数据值，从而得到对应维度的气象数据序列，将每分钟记为一个时间节点。在建立坐标系时，可以以时间节点作为横坐标，时间节点的气象数据值作为纵坐标，即只记录每分钟采集的气象数据值。还可以将每秒作为横坐标，每秒采集的气象数据值作为纵坐标，即记录每秒采集的气象数据值。[0056] 基于坐标系计算时间节点t与左相邻的时间节点t?1之间的欧式距离。在本实施例中，利用时间节点t的邻域范围内的邻域数据点参与计算时间节点t与左相邻的时间节点t?1之间的欧式距离。时间节点t的邻域范围内的邻域数据点例如可以为时间节点t左侧的c个邻域数据点和时间节点t右侧的c个邻域数据点，记为[t?c，t+c]。计算得到的时间节点t与左相邻的时间节点t?1之间的欧式距离记为：[0057] ；[0058] 其中， 表示时间节点t的横坐标， 表示时间节点t的左相邻的时间节点t?1的横坐标， 表示时间节点t对应的纵坐标， 表示时间节点t?1对应的纵坐标，[?c，c]表示参与构建时间节点t与左相邻的时间节点t?1之间的欧式距离的邻域数据点。[0059] 例如，将当前时间节点记作时间节点t，基于当前时间节点t的气象数据值与时间节点t?1的气象数据值之间的变化情况、时间节点t?1的气象数据值和时间节点t?2的气象数据值之间的变化情况确定所述当前时间节点t的气象数据值对应的权重系数。[0060] 在一实施例中，利用如下公式计算所述当前时间节点t的气象数据值对应的权重系数：[0061] ；[0062] 其中， 表示时间节点t的气象数据值对应的权重系数， 表示时间节点t的气象数据值相对于时间节点t?1的气象数据值的变化量， 表示时间节点t?1的气象数据值相对于时间节点t?2的气象数据值的变化量， 表示 和 的均值， 表示以自然常数e为底的指数函数。[0063] 基于当前时间节点与左相邻的时间节点之间的欧式距离和所述当前时间节点的气象数据值对应的权重系数确定所述当前时间节点对应的气象突变趋势特征；所述欧式距离与所述当前时间节点对应的气象突变趋势特征正相关。在一实施例中，利用如下公式计算所述当前时间节点对应的气象突变趋势特征：[0064] ；[0065] 其中， 表示时间节点t对应的气象突变趋势特征， 表示时间节点t的气象数据值对应的权重系数， 表示时间节点t的横坐标， 表示时间节点t?1的横坐标， 表示时间节点t对应的纵坐标， 表示时间节点t?1对应的纵坐标，[?c，c]表示参与构建当前时间节点与左相邻的时间节点之间的欧式距离的邻域数据点， 表示归一化函数。[0066] 上述公式， 表示时间节点t与左相邻的时间节点t?1之间的欧式距离，该距离越大，时间节点t与时间节点t?1之间的气象数据值的变化量就越大，对应的气象突变趋势特征越高。对应到场景中的逻辑为：当气象风力数据在某个时间节点内出现激增或者骤降，那么在固定时间内，此类变化较大的数据点集合中时间初点与时间末点之间的欧式距离越大，即表明风力数据变化越明显，越是接近突变的数据，在采样过程中，此类突变数据对应的周期较。ㄍ槐淝榭鼋险Ｇ榭鍪奔涑中隙蹋，需要较高的采样频率才能保证原数据特征不丢失，所以此类突变数据的连续数据区域可以看作一个突变区域。并且，一个数据点的变化不足以说明风力数据的突变，因为时间节点的间隔很小。所以此处选择利用若干邻域数据点参与欧式距离求和计算，从而确定突变区域。可以理解的，整体求和值越大，对应的气象突变趋势特征越高。[0067] 上述公式中，利用时间节点t的气象数据值对应的权重系数 对时间节点t的气象数据值 进行加权。变化越缓慢的数据点，在计算欧式距离时的权重越低，因为变化越缓慢，增减越均匀的数据点，越是由于原数据原本特征导致的，例如昼夜的温差等，此类数据的气象突变趋势特征很低，所以对应的权重系数越低，计算得到的气象突变趋势特征。公式具体逻辑为： 和 越相近，变化越规律， 就越接近1，那么就越接近1，并且数据整体变化越缓慢，差值均值 越。耸比ㄖ叵凳 就越低，得到的气象突变趋势特征就越低。[0068] 综上，能够计算得到每一时间节点对应的气象突变趋势特征。[0069] 步骤S22：将气象突变趋势特征处于预设区间的时间节点作为区域划分点，基于所述区域划分点确定所述气象数据序列对应的突变区域。[0070] 气象突变趋势特征越接近1，突变性越高，将气象突变趋势特征处于预设区间例如的时间节点作为区域划分点，区域划分点参与区域划分，从而确定气象数据序列对应的突变区域。剩余未被划分的区域作为其它周期段。这里需要说明的是，凡是存在突变的区域，它经过气象突变趋势特征计算后，属于突变区域的段，一定存在着两个满足突变性的点，并且这两个点组成的区域即为整个突变区域。[0071] 步骤S13：确定每一所述突变区域在频域中的变化情况，并基于所述变化情况确定所述突变区域对应的第一采样频率。[0072] 突变区域数据波动较为剧烈，所含的数据特征信息较多，为了保留采样前的气象数据特征，在进行采样时，突变区域就需要更高的采样频率。[0073] 在一实施例中，请结合图3，图3为图1中步骤S13的一实施例的流程示意图，步骤S13具体包括：[0074] 步骤S31：将所述突变区域中相邻时间节点内的气象数据值进行短时傅里叶变换，得到所述突变区域中每一时间节点对应范围内的幅值信息。[0075] 为了准确得到突变区域的周期信息，需要对突变区域中相邻时间节点内的气象数据值进行短时傅里叶变换，得到所述突变区域中每一时间节点对应范围内的幅值信息。[0076] 具体的，对突变区域内两个相邻时间节点划分出的数据范围进行短时傅里叶变换，得到其频谱信息，包含幅值信息及相位信息。所以这里具备若干幅值信息和相位信息，例如，在该突变区域内，有100个时间节点，那么就有99个数据范围，对应99个幅值信息及相位信息。得到幅值信息： ，这里 即表示每个时间节点范围内短时傅里叶变换的幅值信息大小。[0077] 步骤S32：基于最大幅值信息、最小幅值信息、所述突变区域中时间节点总数、所述突变区域中每一时间节点对应的气象突变趋势特征、所述突变区域中幅值信息的离散程度计算得到所述突变区域的异动值，所述突变区域的异动值表征所述突变区域在频域中的变化情况。[0078] 在一实施例中，利用如下公式计算得到所述突变区域的异动值：[0079] ；[0080] 其中， 表示突变区域M的异动值， 表示所述突变区域M中时间节点的幅值信息中的最大幅值信息， 表示所述突变区域M中时间节点的幅值信息中的最小幅值信息，表示所述突变区域M中时间节点的总数， 表示突变区域M中第n个时间节点 的气象突变趋势特征， 表示突变区域M中第n个时间节点 的幅值信息， 表示所述突变区域M中所有时间节点的幅值信息均值。[0081] 上述公式中，突变区域的异动值旨在量化突变区域内气象数据值在频域中的变化情况。幅值信息差异越大，即 越大，越表明突变区域中数据变化具备无规律性，因为幅值大小反应了数据的频率大。词莸钠涤蛱卣鞑钜煸酱，在时域中就越不具备相关性。对应到场景中，例如风力数据，在短时间内风力大小及其风向发生较大变化，且变化不规律，那么此类变化信息就越需要作为特征数据进行传输，起到公路气象预警的作用，所以 结果越大，突变区域的异动值就越大。[0082] 上述公式中，求和结果 表征突变区域中幅值信息的离散程度，旨在量化频谱幅值的数据离散性。离散程度越高，不同时间节点下气象数据值的变化越剧烈，不相关性就越高，那么对应的异动值就越高，越需要被作为特征数据进行传输，所以需要增加其对应的采样频率。上述求和公式是类似方差的计算公式，而在此处旨在作为原始方差计算过程中的权重值，对幅值进行加权，当该时间节点下气象突变趋势特征越高，即权重越高，我们认为该数据在计算幅值方差时的值就越高，对应的异动值就越高。[0083] 在突变区域内，数据频谱幅值信息的变化范围越大，频谱气象周期段的异动值就越高，因为在该突变区域内，不同时间节点段对应的频谱信息差异较大，证明气象数据（例如风力）数据存在不规律的变化，例如风向风速等在短时间内存在较大的变化。那么此时为了保留此类变化特征，采样频率就需要越高。[0084] 在一实施例中，对所述突变区域的异动值进行归一化；根据归一化后的异动值和所述第二采样频率得到所述突变区域对应的第一采样频率；所述突变区域对应的第一采样频率与所述突变区域的异动值正相关。[0085] 在一具体实施例中，利用如下公式频率得到所述突变区域对应的第一采样频率：[0086] ；[0087] 其中， 表示突变区域M对应的第一采样频率， 表示突变区域M的异动值， 表示归一化函数， 表示第二采样频率，其中 表示所述突变区域M中所有时间节点的幅值信息均值。[0088] 对于第一采样频率，后者 表示第二采样频率，第二采样频率为奈奎斯特采样定理的原始采样频率，表示幅值均值下符合奈奎斯特采样定律的采样频率值。突变区域M的异动值越高，对应的第一采样频率就越高，越能够保证数据经过采样后保留数据特征。[0089] 综上，每个突变区域具备一个第一采样频率，对于非突变区域，它们的采样频率符合奈奎斯特采样定理即可。[0090] 步骤S14：基于所述第一采样频率对所述突变区域进行采样，以及基于第二采样频率对所述气象数据序列中非突变区域进行采样，其中，所述第二采样频率为奈奎斯特采样定理的原始采样频率。[0091] 具体的，利用突变区域对应的第一采样频率对突变区域进行采样，利用奈奎斯特采样定理的原始采样频率即第二采样频率对非突变区域进行采样。[0092] 通过上述方式进行采样，每个数据区域具备一个依据数据特征得到的采样频率，采样频率在保证了原数据特征基础上减少了数据总量，降低了数据传输所需带宽，增加了高速公路气象数据传输效率。后续仅对该采样结果进行传输，起到数据传输共享的作用。[0093] 以上仅为本申请的实施方式，并非因此限制本申请的范围，凡是利用本申请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，均同理包括在本申请的保护范围内。

专利地区：贵州

专利申请日期：2024-09-11

专利公开日期：2024-11-29

专利公告号：CN118828254B