一种融合交通模式编码的机器学习自适应轨迹压缩方法

本发明提出了一种融合交通模式编码的机器学习自适应轨迹压缩方法，包括如下步骤：S1、对原始轨迹数据进行预处理；S2、使用单一XGBoost模型分别输出同步欧几里得距离SED阈值和角度阈值，通过轨迹的几何特征和运动特征自适应调整压缩参数；S3、以同步欧几里得距离SED和角度偏差为压缩判据，采用滑动窗口算法检测关键点；S4、使用后处理技术优化压缩结果，通过二次检查关键点间的最大偏差，将遗漏的高误差点标记为关键点并插入压缩轨迹中，以平衡压缩率与精度；S5、将压缩后的轨迹通过质量评估模块输出结果，计算压缩率、位置误差和方向一致性指标，确保轨迹的几何和运动特征完整性。本发明实现高压缩比与高保真度的平衡。