本公開涉及車聯網領域，具體地，涉及一種數據傳輸方法及裝置。

背景技術：

隨著社會經濟的飛速發(fā)展，機動車輛數目激增，私有汽車在帶給人們更快的效率和更舒適的駕車環(huán)境的同時，也引發(fā)了很多問題，例如交通事故、交通堵塞等交通問題日趨嚴重，給人類的生活帶來巨大的經濟及精神損失，因此如何減少交通事故的發(fā)生，已成為當今世界交通安全的重要課題。

車輛在行駛過程中，由于交通環(huán)境、天氣等因素的影響和駕駛員反應能力受限，導致交通事故增多，而現有的很多交通事故風險的因素又無法通過規(guī)范駕駛員行為加以有效克服。在過去的十幾年間，世界各國的學術界和工業(yè)界致力于通過發(fā)展智能交通系統(tǒng)(ITS，Intelligent Transportation Systems)，來輔助駕駛用戶能夠感知周圍交通和車輛的狀態(tài)信息，警告存在的危險信息，避免交通事故，提高交通效率。ITS是目前公認的減少交通事故、改善行車環(huán)境、提高通行效率及減少空氣污染等的最佳途徑。

在現有的車車安全的解決方案中，基于DSRC(Dedicated Short Range Communications，專用短程通信技術)的車車通信技術被提出并具備明顯的優(yōu)勢。首先基于DSRC的車車通信方案的傳輸距離可到1KM，該傳輸距離能夠很好的滿足車輛的安全需求；其次該方案不會受到天氣、道路形狀及交通狀況等因素的影響，具有更強的通用性。

在基于DSRC的車車通信技術中，車輛不斷地采集本身的地理位置信息及車況信息，并封裝成BSM(Basic Safety Message，基本安全消息)周期性廣播給周邊車輛。而且，為了更好的支持上層應用場景，BSM消息中需要攜帶車輛的歷史路徑信息，并將歷史路徑信息抽象成離散的、均勻分布的GPS點廣播給周邊車輛。然而，在實際消息傳輸中，若選擇比較少的點時，則針對道路比較復雜的情況(例如彎道)，少量的點無法精確描述出歷史軌跡信息，會給需要基于歷史路徑做判斷的應用場景帶來不便；而反之若采用最多的點來描繪，這在無形中加大了消息負載，增加了網絡負擔，尤其在網絡節(jié)點密度大的環(huán)境下，會增加消息的碰撞，降低節(jié)點間消息通信的成功率，將會影響V2V間碰撞等場景的實時判斷。

技術實現要素：

本公開的目的是提供一種能夠動態(tài)調整要進行數據傳輸的、歷史路徑的代表位置點的數目的數據傳輸方法及裝置。

為了實現上述目的，本公開提供一種數據傳輸方法，包括：獲取目標樣本空間，所述目標樣本空間包括本車歷史路徑的多個位置點的樣本數據，并且，每個位置點的樣本數據包括該位置點處的車輛方位角；根據所述車輛方位角，確定所述目標樣本空間的離散度，所述離散度用于表示所述歷史路徑的彎曲程度；根據所述離散度，從所述多個位置點中確定代表位置點，所述代表位置點用于代表所述本車歷史路徑；向目標端發(fā)送所述代表位置點的樣本數據。

可選地，所述獲取目標樣本空間，包括：獲取本車歷史路徑中、距離本車當前位置在預設距離范圍內的N個位置點的樣本數據；對所述N個位置點的樣本數據進行數據過濾操作，獲得M個位置點的樣本數據，所述M個位置點的樣本數據構成所述目標樣本空間，其中，N和M為自然數，并且，2≤M≤N。

可選地，每個位置點的樣本數據還包括該位置點處的車速；所述對所述N個位置點的樣本數據進行數據過濾操作，包括：將所述N個位置點的樣本數據中、車速小于預設的車速閾值的樣本數據濾除。

可選地，每個位置點的樣本數據還包括該位置點處的車速和經緯度；所述對所述N個位置點的樣本數據進行數據過濾操作，包括：從所述N個位置點中選取相鄰的第一位置點和第二位置點，所述第一位置點對應的時刻早于所述第二位置點對應的時刻；根據所述第一位置點的經緯度和所述第二位置點的經緯度，確定所述第一位置點與所述第二位置點之間的弧長距離；根據所述第一位置點的車速和所述第二位置點的車速，確定所述第一位置點與所述第二位置點之間的位移；根據所述弧長距離和所述位移，確定漂移判斷參數；當所述漂移判斷參數大于預設的漂移閾值時，將所述第二位置點的樣本數據濾除；返回所述從所述N個位置點中選取相鄰的第一位置點和第二位置點的步驟，直到所述N個位置點被全部遍歷為止。

可選地，所述根據所述弧長距離和所述位移，確定漂移判斷參數，包括：

其中，D表示所述第一位置點與所述第二位置點之間的位移；

d表示所述第一位置點與所述第二位置點之間的弧長距離；

P表示所述漂移判斷參數。

可選地，所述根據所述車輛方位角，確定所述目標樣本空間的離散度，包括：確定所述目標樣本空間的車輛方位角的眾數；統(tǒng)計所述目標樣本空間中，車輛方位角與所述眾數之間滿足預設條件的樣本數據的數目；根據所述滿足預設條件的樣本數據的數目，確定所述目標樣本空間的離散度。

可選地，所述預設條件為車輛方位角與所述眾數之間的偏差大于預設的偏離閾值。

可選地，所述根據所述滿足預設條件的樣本數據的數目，確定所述目標樣本空間的離散度，包括：

其中，S表示所述離散度；

N₁表示所述滿足預設條件的樣本數據的數目；

N表示所述目標樣本空間中樣本數據的總數。

可選地，所述根據所述離散度，從所述多個位置點中確定代表位置點，包括：根據所述離散度，確定待選取的代表位置點的數目Node，其中，Node為大于或等于2的自然數；以及，從所述多個位置點中，以間斷式選擇方式選取Node個位置點作為所述代表位置點。

可選地，所述待選取的代表位置點的數目Node與所述離散度呈正相關關系。

可選地，所述根據所述離散度，確定待選取的代表位置點的數目Node，包括：

其中，S表示所述目標樣本空間的離散度；k和b為預設常數。

本公開還提供一種數據傳輸裝置，包括：獲取模塊，用于獲取目標樣本空間，所述目標樣本空間包括本車歷史路徑的多個位置點的樣本數據，并且，每個位置點的樣本數據包括該位置點處的車輛方位角；離散度確定模塊，用于根據所述車輛方位角，確定所述目標樣本空間的離散度，所述離散度用于表示所述歷史路徑的彎曲程度；代表位置點確定模塊，用于根據所述離散度，從所述多個位置點中確定代表位置點，所述代表位置點用于代表所述本車歷史路徑；發(fā)送模塊，用于向目標端發(fā)送所述代表位置點的樣本數據。

可選地，所述獲取模塊包括：第一獲取子模塊，用于獲取本車歷史路徑中、距離本車當前位置在預設距離范圍內的N個位置點的樣本數據；過濾子模塊，用于對所述N個位置點的樣本數據進行數據過濾操作，獲得M個位置點的樣本數據，所述M個位置點的樣本數據構成所述目標樣本空間，其中，N和M為自然數，并且，2≤M≤N。

可選地，每個位置點的樣本數據還包括該位置點處的車速；所述數據過濾操作包括：將所述N個位置點的樣本數據中、車速小于預設的車速閾值的樣本數據濾除。

可選地，每個位置點的樣本數據還包括該位置點處的車速和經緯度；所述數據過濾操作包括：從所述N個位置點中選取相鄰的第一位置點和第二位置點，所述第一位置點對應的時刻早于所述第二位置點對應的時刻；根據所述第一位置點的經緯度和所述第二位置點的經緯度，確定所述第一位置點與所述第二位置點之間的弧長距離；根據所述第一位置點的車速和所述第二位置點的車速，確定所述第一位置點與所述第二位置點之間的位移；根據所述弧長距離和所述位移，確定漂移判斷參數；當所述漂移判斷參數大于預設的漂移閾值時，將所述第二位置點的樣本數據濾除；返回所述從所述N個位置點中選取相鄰的第一位置點和第二位置點的步驟，直到所述N個位置點被全部遍歷為止。

可選地，所述根據所述弧長距離和所述位移，確定漂移判斷參數，包括：

其中，D表示所述第一位置點與所述第二位置點之間的位移；

d表示所述第一位置點與所述第二位置點之間的弧長距離；

P表示所述漂移判斷參數。

可選地，所述離散度確定模塊包括：眾數確定子模塊，用于確定所述目標樣本空間的車輛方位角的眾數；統(tǒng)計子模塊，用于統(tǒng)計所述目標樣本空間中，車輛方位角與所述眾數之間滿足預設條件的樣本數據的數目；離散度確定子模塊，用于根據所述滿足預設條件的樣本數據的數目，確定所述目標樣本空間的離散度。

可選地，所述預設條件為車輛方位角與所述眾數之間的偏差大于預設的偏離閾值。

可選地，所述離散度確定子模塊用于通過以下方式確定所述離散度：

其中，S表示所述離散度；

N₁表示所述滿足預設條件的樣本數據的數目；

N表示所述目標樣本空間中樣本數據的總數。

可選地，所述代表位置點確定模塊包括：數量確定子模塊，用于根據所述離散度，確定待選取的代表位置點的數目Node，其中，Node為大于或等于2的自然數；以及，代表位置點選取子模塊，用于從所述多個位置點中，以間斷式選擇方式選取Node個位置點作為所述代表位置點。

可選地，所述待選取的代表位置點的數目Node與所述離散度呈正相關關系。

可選地，所述數量確定子模塊用于通過以下方式來確定待選取的代表位置點的數目Node：

其中，S表示所述目標樣本空間的離散度；k和b為預設常數。

通過上述技術方案，可以根據車輛歷史路徑的位置點數據，確定出用于表示該車輛歷史路徑的彎曲程度的離散度，之后，根據該離散度動態(tài)確定能夠代表該車輛歷史路徑的代表位置點，并傳輸這些代表位置點的樣本數據給目標端。通過這一方式，既能夠保證比較精確地定位出車輛的運動軌跡，并且能夠在最大程度上降低傳輸消息的負載大小，進而可以避免消息的碰撞所帶來的丟包問題，能夠更好地支持上層應用集的實現，最大限度地保證車車間的安全行駛。

本公開的其他特征和優(yōu)點將在隨后的具體實施方式部分予以詳細說明。

附圖說明

附圖是用來提供對本公開的進一步理解，并且構成說明書的一部分，與下面的具體實施方式一起用于解釋本公開，但并不構成對本公開的限制。在附圖中：

圖1是根據一示例性實施例示出的一種數據傳輸方法的流程圖。

圖2是根據一示例性實施例示出的如何獲取目標樣本空間的流程圖。

圖3是根據一示例性實施例示出的如何根據車輛方位角，確定目標樣本空間的離散度的流程圖。

圖4是根據一示例性實施例示出的一種數據傳輸裝置的結構框圖。

具體實施方式

以下結合附圖對本公開的具體實施方式進行詳細說明。應當理解的是，此處所描述的具體實施方式僅用于說明和解釋本公開，并不用于限制本公開。

圖1是根據一示例性實施例示出的一種數據傳輸方法的流程圖，其中，該方法應用于車輛。如圖1所示，該方法可以包括：

在步驟101中，獲取目標樣本空間，該目標樣本空間可以包括本車歷史路徑的多個位置點的樣本數據，并且，每個位置點的樣本數據包括該位置點處的車輛方位角。

車輛在行駛中可以周期性地采集GPS信息，其中，該GPS信息可以包括車輛經度、緯度、速度及方位角等數據。并且，車輛可以將不斷采集到的GPS信息緩存到相應的緩沖區(qū)中，例如，在采集頻率為10HZ的情況下，在緩沖區(qū)內緩存5000至6000個位置點的GPS信息，并按照時間戳由早到晚的順序進行排列，這些位置點能夠定位出車輛的歷史路徑?？梢愿鶕彺嬖谲囕v中的多個位置點的樣本數據，來構建上述的目標樣本空間。

不過，在實際所采集到的GPS信息中，往往包含一些噪聲數據。如果利用這些噪聲數據來描繪車輛的歷史路徑、或者傳輸這些噪聲數據給目標端，可能會導致路徑軌跡不準確的問題。因此，在本公開的一些可選的實施方式中，可以通過以下方式來獲得上述的目標樣本空間，以降低噪聲數據的影響。

具體地，如圖2所示，上述步驟101可以進一步包括：

在步驟1011中，獲取本車歷史路徑中、距離本車當前位置在預設距離范圍內的N個位置點的樣本數據。

如上所述，車輛可以實時采集并記錄GPS信息。由于距離當前位置比較近的歷史位置點的數據更能準確地表示車輛近期的行駛軌跡，因此，可以從所記錄的大量位置點的GPS信息中，獲取距離本車當前位置在預設距離范圍內(例如，300米以內)的N個位置點的樣本數據(即，GPS信息)，從而排除掉距離當前位置較遠的冗余數據。

在步驟1012中，對所述N個位置點的樣本數據進行數據過濾操作，獲得M個位置點的樣本數據，所述M個位置點的樣本數據構成所述目標樣本空間，其中，N和M為自然數，并且，2≤M≤N。

通過對N個位置點的樣本數據進行數據過濾操作，可以濾除掉其中包含的噪聲數據，以確保所構建的目標樣本空間的數據的準確性及可靠性。

在進行數據過濾操作時，可以通過以下方式中的任一者或多者來進行：

方式一：如上所述，在車輛采集并記錄的每個位置點的樣本數據中，可以包括該位置點處的車速。車速過慢時，相應位置處的的車輛方位角偏差過大，會影響對道路彎曲程度的判斷。因此，可以預先設定一車速閾值V_th(例如，為5KM/h)。這樣，可以將所述N個位置點的樣本數據中、車速小于該預設的車速閾值V_th的樣本數據濾除。

方式二：如上所述，在車輛采集并記錄的每個位置點的樣本數據中，可以包括該位置點處的車速和經緯度(即，經度和緯度)。因此，可以根據車輛在相鄰兩個位置點處的車速及經緯度信息，判斷GPS數據是否產生漂移，從而可以濾除掉GPS數據產生漂移的點，以避免利用樣本空間描繪車輛歷史軌跡時出現“抖動”現象。

具體地，可以首先從所述N個位置點中選取相鄰的第一位置點和第二位置點，其中，所述第一位置點對應的時刻早于所述第二位置點對應的時刻。

接下來，根據所述第一位置點的經緯度和所述第二位置點的經緯度，確定所述第一位置點與所述第二位置點之間的弧長距離。

示例地，通過以下等式(1)來確定第一位置點與第二位置點之間的弧長距離：

其中，d表示第一位置點與第二位置點之間的弧長距離；R為地球平均半徑；LatA表示第一位置點的緯度；LonA表示第一位置點的經度；LatB表示第二位置點的緯度；LonB表示第二位置點的經度。

接下來，根據所述第一位置點的車速和所述第二位置點的車速，確定所述第一位置點與所述第二位置點之間的位移。

示例地，通過以下等式(2)來確定第一位置點與第二位置點之間的位移：

其中，D表示第一位置點與第二位置點之間的位移；V_A表示第一位置點的車速；V_B表示第二位置點的車速；t_A表示第一位置點對應的時刻；t_B表示第二位置點對應的時刻，且t_B>t_A。

接下來，根據所述弧長距離d和所述位移D，確定漂移判斷參數。

示例地，通過以下等式(3)來確定漂移判斷參數P：

之后，當漂移判斷參數P大于預設的漂移閾值(例如，0.85)時，確定第二位置點相對于第一位置點發(fā)生了GPS漂移，因此，將所述第二位置點的樣本數據濾除。

重復執(zhí)行上述的從所述N個位置點中選取相鄰的第一位置點和第二位置點、以及后續(xù)的步驟，直到N個位置點被全部遍歷為止。之后，剩下的M個位置點的樣本數據即可構成目標樣本空間。

返回到圖1，在獲取到目標樣本空間后，執(zhí)行步驟102。在步驟102中，根據所述車輛方位角，確定所述目標樣本空間的離散度，其中，所述離散度用于表示所述歷史路徑的彎曲程度。

車輛所采集的方位角的變化能夠用來識別道路的路況。例如，在直線行駛過程中，樣本空間中的方位角原則上應為一個固定值，考慮采集時所存在的誤差等問題，則方位角的變化率應為一個比較小的范圍；而在彎道行駛過程中，樣本空間中的方位角變化則相對較大。在本公開中，提出了樣本空間離散度的概念，用于表示歷史路徑的彎曲程度。其中，離散度越大，表示有越多的點偏離初始的行駛方向，以此來表示車輛行駛軌跡的道路的彎曲程度。

在本公開的一個示例實施方式中，如圖3所示，可以通過以下方式來確定目標樣本空間的離散度：

首先，在步驟1021中，確定目標樣本空間的車輛方位角的眾數H_mode。當眾數不存在時，則說明樣本空間中不存在方位角相同的點，表明車輛一直在彎道上行駛，此時，用H₀代表H_mode，其中，H₀表示目標樣本空間中，時間戳最早的位置點的樣本數據中的車輛方位角。

接下來，在步驟1022中，統(tǒng)計所述目標樣本空間中，車輛方位角與所述眾數H_mode之間滿足預設條件的樣本數據的數目。

眾數H_mode的個數多少代表歷史路徑中直線行駛的比例，個數越多則代表直線行駛的路徑越長。當車輛方位角偏離眾數比較大時則認為車輛進行轉彎行駛。可以預先設定一偏離閾值為H_th(H_th可根據實際經驗調整，例如，設定為5度)。以H_mode為基礎，當目標樣本空間中某個樣本數據中的車輛方位角相對于H_mode的變化值(即，與該眾數H_mode之間的偏差)超出該偏離閾值H_th時，記錄該樣本數據，并統(tǒng)計所有符合條件的樣本數目，該數目記為N₁。

最后，在步驟1023中，根據所述滿足預設條件的樣本數據的數目，確定所述目標樣本空間的離散度。

示例地，通過以下等式(4)來確定目標樣本空間的離散度：

其中，S表示目標樣本空間的離散度；N₁表示目標樣本空間中，車輛方位角與所述眾數之間滿足預設條件的樣本數據的數目；N表示所述目標樣本空間中樣本數據的總數。

由以上等式(4)可知：S∈[0，1]，離散度S越大說明有越多的點偏離初始的行駛方向；當S＝0時，則說明車輛一直在直線行駛；當S＝1時，則說明車輛一直彎道行駛。

返回到圖1，在確定出目標樣本空間的離散度之后，執(zhí)行步驟103。在步驟103中，根據所述離散度，從所述多個位置點中確定代表位置點，其中，所述代表位置點用于代表所述本車歷史路徑。

確定代表位置點主要涉及到兩方面：一是確定代表位置點的數目，另一就是如何從多個位置點中選取該數目的位置點作為代表位置點。針對第一方面，可以根據在步驟102中確定出的目標樣本空間的離散度，來確定待選取的代表位置點的數目Node，其中，Node為大于或等于2的自然數。

從上述的分析過程可知，離散度S∈[0，1]，并且S＝0時說明車輛在直線行駛，則在選擇GPS點時，直線則可以用樣本空間中兩個點來描繪；當S＝1時說明車輛一直彎道行駛，可選擇樣本空間中多個點描繪。由此可以看出，隨著離散度的增大，表示車輛歷史路徑的彎曲程度越大，此時需要有更多的點來描繪該歷史路徑。因此，在本公開中，所述待選取的代表位置點的數目Node與所述離散度呈正相關關系，即，S越大，Node越大；反之，S越小，Node越小。

為了簡化計算過程，提高代表位置點的確定效率，在一示例性實施方式中，可以認為Node與S之間呈線性變化關系，則有：

其中，k和b為預設常數，[·]表示取整操作。示例地，當S＝0時，認為車輛一直為直線行駛狀態(tài)，此時，只需要目標樣本空間中的兩個位置點即可描繪該直線的歷史路徑，因此，Node的最小值可以被設定為2。此外，為了更精準地確定路徑并降低傳輸負載大小，傳輸消息(例如，BSM消息)中負載最多的點數被設定為23個，即，最多選取23個位置點來代表車輛的歷史路徑。由此，可以設定k＝21，b＝2。

在確定出待選取的代表位置點的數目Node之后，便可以從目標樣本空間包括的位置點中，以間斷式選擇方式選取Node個位置點作為代表位置點。所謂間斷式選擇方式，是指所選擇出的兩個位置點之間相隔至少一個其他位置點，即，所選擇出的兩個位置點在時間上并不相鄰。

在進行選擇時，可以按照均勻選擇的準則進行。例如，假設計算出需要Node個位置點來表示歷史路徑，并且目標樣本空間中包括的是距離當前位置在300米以內的位置點，則可將距當前位置的直線距離分別為300/Node*t(其中，i＝1，2，…，Node)的位置點確定為是該歷史路徑的代表位置點，以此做到對目標樣本空間內的位置點的均勻選擇，使得所選擇出的位置點能夠準確地代表車輛的歷史路徑。

最后，在步驟104中，向目標端發(fā)送代表位置點的樣本數據。

在本公開中，目標端是指用于接收本車發(fā)送的代表位置點的樣本數據，以獲知本車的運動軌跡的設備。例如，該目標端可以是鄰居車輛，也可以是云端服務器。當目標端接收到該樣本數據后，可以基于該樣本數據，精確地定位出車輛的運動軌跡，為基于車輛的歷史運動軌跡進行的各種數據分析操作提供準確且可靠的數據支持。

綜上所述，通過上述技術方案，可以根據車輛歷史路徑的位置點數據，確定出用于表示該車輛歷史路徑的彎曲程度的離散度，之后，根據該離散度動態(tài)確定能夠代表該車輛歷史路徑的代表位置點，并傳輸這些代表位置點的樣本數據給目標端。通過這一方式，既能夠保證比較精確地定位出車輛的運動軌跡，并且能夠在最大程度上降低傳輸消息的負載大小，進而可以避免消息的碰撞所帶來的丟包問題，能夠更好地支持上層應用集的實現，最大限度地保證車車間的安全行駛。

圖4是根據一示例性實施例示出的一種數據傳輸裝置400的結構框圖，其中，該裝置400可以應用于車輛。如圖4所示，該裝置400可以包括：獲取模塊401，用于獲取目標樣本空間，所述目標樣本空間包括本車歷史路徑的多個位置點的樣本數據，并且，每個位置點的樣本數據包括該位置點處的車輛方位角；離散度確定模塊402，用于根據所述車輛方位角，確定所述目標樣本空間的離散度，所述離散度用于表示所述歷史路徑的彎曲程度；代表位置點確定模塊403，用于根據所述離散度，從所述多個位置點中確定代表位置點，所述代表位置點用于代表所述本車歷史路徑；發(fā)送模塊404，用于向目標端發(fā)送所述代表位置點的樣本數據。

可選地，所述獲取模塊401可以包括：第一獲取子模塊，用于獲取本車歷史路徑中、距離本車當前位置在預設距離范圍內的N個位置點的樣本數據；過濾子模塊，用于對所述N個位置點的樣本數據進行數據過濾操作，獲得M個位置點的樣本數據，所述M個位置點的樣本數據構成所述目標樣本空間，其中，N和M為自然數，并且，2≤M≤N。

可選地，每個位置點的樣本數據還包括該位置點處的車速；所述數據過濾操作包括：將所述N個位置點的樣本數據中、車速小于預設的車速閾值的樣本數據濾除。

可選地，每個位置點的樣本數據還包括該位置點處的車速和經緯度；所述數據過濾操作包括：從所述N個位置點中選取相鄰的第一位置點和第二位置點，所述第一位置點對應的時刻早于所述第二位置點對應的時刻；根據所述第一位置點的經緯度和所述第二位置點的經緯度，確定所述第一位置點與所述第二位置點之間的弧長距離；根據所述第一位置點的車速和所述第二位置點的車速，確定所述第一位置點與所述第二位置點之間的位移；根據所述弧長距離和所述位移，確定漂移判斷參數；當所述漂移判斷參數大于預設的漂移閾值時，將所述第二位置點的樣本數據濾除；返回所述從所述N個位置點中選取相鄰的第一位置點和第二位置點的步驟，直到所述N個位置點被全部遍歷為止。

可選地，所述離散度確定模塊402可以包括：眾數確定子模塊，用于確定所述目標樣本空間的車輛方位角的眾數；統(tǒng)計子模塊，用于統(tǒng)計所述目標樣本空間中，車輛方位角與所述眾數之間滿足預設條件的樣本數據的數目；離散度確定子模塊，用于根據所述滿足預設條件的樣本數據的數目，確定所述目標樣本空間的離散度。

可選地，所述預設條件為車輛方位角與所述眾數之間的偏差大于預設的偏離閾值。

可選地，所述離散度確定子模塊用于通過以上等式(4)來確定所述離散度。

可選地，所述代表位置點確定模塊403可以包括：數量確定子模塊，用于根據所述離散度，確定待選取的代表位置點的數目Node，其中，Node為大于或等于2的自然數；以及，代表位置點選取子模塊，用于從所述多個位置點中，以間斷式選擇方式選取Node個位置點作為所述代表位置點。

可選地，所述待選取的代表位置點的數目Node與所述離散度呈正相關關系。

可選地，所述數量確定子模塊用于通過以上等式(5)來確定待選取的代表位置點的數目Node。

關于上述實施例中的裝置，其中各個模塊執(zhí)行操作的具體方式已經在有關該方法的實施例中進行了詳細描述，此處將不做詳細闡述說明。

以上結合附圖詳細描述了本公開的優(yōu)選實施方式，但是，本公開并不限于上述實施方式中的具體細節(jié)，在本公開的技術構思范圍內，可以對本公開的技術方案進行多種簡單變型，這些簡單變型均屬于本公開的保護范圍。

另外需要說明的是，在上述具體實施方式中所描述的各個具體技術特征，在不矛盾的情況下，可以通過任何合適的方式進行組合。為了避免不必要的重復，本公開對各種可能的組合方式不再另行說明。

此外，本公開的各種不同的實施方式之間也可以進行任意組合，只要其不違背本公開的思想，其同樣應當視為本公開所公開的內容。