1.一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，该方法包括以下步骤：

(1) 轨迹数据模糊化：采集车辆轨迹数据，根据车辆位移增量序列的统计数据，确定隶属度函数的参数，从而定义隶属度函数；根据隶属度函数划分若干个论域并用模糊字符表示，将轨迹数据转换为模糊字符；

(2) 轨迹的模糊预测：通过神经网络预测目标车辆的驾驶意图，再根据驾驶意图选择对应的多阶融合马尔可夫模型进行未来模糊位移增量序列的模糊预测；

(3) 残差计算及轨迹点删除：根据模糊预测的模糊字符与原始的模糊字符比较，残差小于设定的阈值的轨迹点删除，残差大于设定的阈值的轨迹点则保留。

2.根据权利要求1所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，步骤(1)中，轨迹数据的模糊化的详细步骤如下：(1‑1) 轨迹数据坐标转换：车辆通过车联网络将轨迹数据发送到附近的边缘网关RSU，以网关的位置为坐标原点，将车辆的经纬度坐标序列转化为以边缘网关为原点的二维坐标序列；

(1‑2) 基于模糊字符的轨迹数据模糊化：分别计算经度x及纬度y方向的位移增量序列；具体为：计算在x和y方向的位移序列，将符号提取出来，得到x方向的位移增量序列和位移符号序列, y方向的位移增量序列和位移符号序列；对于x和y方向的位移增量序列，创建r个模糊集，将位移增量序列的值通过模糊集和模糊划分转化为对应的模糊字符表示，则位移增量序列转化为模糊字符串。

3.根据权利要求2所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，将原始轨迹序列映射到以边缘网关为原点的二维坐标上；车辆通过车载GPS设备实时采集自己的位置，获得每一时刻以经度和纬度表示的原始的轨迹数据。

4.根据权利要求2所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，根据道路类型信息或轨迹数据的精确度确定模糊粒度，进而创建r个模糊集。

5.根据权利要求1所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，步骤(2)中，轨迹模糊预测的详细步骤如下：(2‑1) 驾驶意图预测：将目标车辆的信息和周围车辆的信息输入到由GRU单元叠加的网络中，输出三种目标车辆的驾驶意图，即左变道、直行和右变道；

(2‑2) 轨迹位置预测：根据目标车辆的驾驶意图选择对应的多阶融合马尔可夫模型，由历史模糊位移增量序列预测出未来模糊位移增量序列。

6.根据权利要求5所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，目标车辆的信息包括历史的轨迹位置、速度以及所处车道编号；周围车辆的信息包括目标车辆与周围车辆的碰撞时间和及周围车辆所处的车道编号。

7.根据权利要求1所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，步骤(3)中，残差计算及轨迹点删除的详细步骤如下：(3‑1) 基于模糊字符的残差计算：模型预测的模糊字符需要与真实的模糊字符比较，模糊字符的残差计算如下式所示：其中i为预测的模糊字符所属模糊字符集中的序号，j为原始的模糊字符所属模糊字符集中的序号，r为模糊字符的个数；

(3‑2) 根据设置的阈值去除轨迹点：设置阈值 ， ，如果预测结果与真实的轨迹位置没有偏差，即残差小于阈值，则去除该轨迹位置，如果具有偏差，即残差大于阈值，则需保留该轨迹位置，从而达到压缩的目的。

8.根据权利要求7所述的一种基于模糊预测的车辆轨迹数据压缩方法，其特征在于，当阈值设置为0时，表示不允许预测出现误差，只要预测值和原始值有误差，则会将原始值加入到压缩轨迹中；当阈值设置为1时，表示任何预测都是在误差允许范围内的，此时，没有原始值加入到压缩轨迹中；因此，阈值 越大，预测允许的误差范围越大。

9.一种基于模糊预测的车辆轨迹数据压缩装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，用于实现如权利要求1‑8中任一项所述的一种基于模糊预测的车辆轨迹数据压缩方法的步骤。

10.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时，实现如权利要求1‑8中任一项所述的一种基于模糊预测的车辆轨迹数据压缩方法的步骤。