基于压缩感知的车联网数据采集

当前车联网已经成为了大规模城市交通信息监测的重要平台。如何将车辆中采集的海量数据同时传输给监测中心并进行处理却是急需解决的问题。通过研究中国深圳市约3000辆出租车采集的数据发现,这些数据存在着空间相关性。基于以上的发现,提出了一种新的应用在车联网交通监测的压缩感知算法,在保证恢复精确度的同时大量减少采样所需要的数据量。仿真实验表明在较低的采样率情况下,该算法重构信号的误差相对很低。