一种能够发现导致区域交通拥堵原因的方法及系统

摘要

本发明提供一种能够发现导致区域交通拥堵原因的方法及系统，通过视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速，当发现拥堵引发点时，采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息。在电子地图上显示拥堵引发点时，直接配合有图像信息，能够对引起拥堵的原因一目了然。如果长期看，能够对某一路段发生拥堵的原因进行统计，可以对不同路段的不同拥堵原因提供有针对性的策略。

权利要求

1.一种能够发现导致区域交通拥堵原因的方法，其特征在于，包括如下步骤：S1：采用视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速；

S2：根据拥堵道路上车辆的车速以及车速变化情况判断道路上是否有拥堵引发点，若有拥堵引发点则进入步骤S3，否则返回步骤S1；

S3：采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息；

S4：通过电子地图显示拥堵引发点的位置、拥堵引发点出现的时间以及拥堵引发点所在区域的图像，根据拥堵引发点所在区域的图像获取拥堵原因。

2.根据权利要求1所述的能够发现导致区域交通拥堵原因的方法，其特征在于，所述步骤S2中具体包括如下步骤：S21：判断被跟踪的全部车辆的速度是否一致，若不一致则进入步骤S22，若一致则进入步骤S23；

S22：获取当前位置车辆的第一速度与前方L米处车辆的第二速度，判断第二速度与第一速度之差是否大于速度差阈值，若是则判定道路拥堵且当前位置为拥堵引发点后进入步骤S3，否则返回步骤S1；

S23：判断车辆速度是否都低于速度阈值，若是则判定道路拥堵但不是拥堵引发点后进入步骤S24，否则返回步骤S1；

S24：通过电子地图显示拥堵路段以及拥堵出现的时间。

3.根据权利要求2所述的能够发现导致区域交通拥堵原因的方法，其特征在于：在所述步骤S22中，还包括如下步骤：

设定第一时间阈值，如果第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，则判定道路拥堵且当前位置为拥堵引发点。

4.根据权利要求2或3所述的能够发现导致区域交通拥堵原因的方法，其特征在于：所述步骤S23中，还包括如下步骤：

设定第二时间阈值，如果车辆速度低于速度阈值且持续时间超过所述第二时间阈值，则判定是道路拥堵点段。

5.根据权利要求4所述的能够发现导致区域交通拥堵原因的方法，其特征在于：所述步骤S22中，所述速度阈值＝限速值×N，其中N为系数常数，且0＜N＜0.5；

所述步骤S23中，所述速度差阈值＝A×第二速度，其中A为系数常数且0＜A＜0.5。

6.根据权利要求5所述的能够发现导致区域交通拥堵原因的方法，其特征在于，所述步骤S22中，0＜L≤20。

7.一种能够发现导致区域交通拥堵原因的系统，其特征在于，包括：视频跟踪单元，对快速路上行驶的车辆进行全程连续跟踪，实时获取每一车辆的位置和车速；

拥堵引发点判断单元，用于根据所有被跟踪的车辆的车速及车速变化情况判断道路上是否有拥堵引发点；其包括:第一判断模块，判断被跟踪的全部车辆的速度是否一致；

第二判断模块，在被跟踪的全部车辆的速度不一致时，获取当前位置车辆的第一速度与前方L米处车辆的第二速度，判断第二速度与第一速度之差是否大于速度差阈值，若是则判定道路拥堵且当前位置为拥堵引发点；

第三判断模块，用于判断被跟踪的全部车辆的速度是否都低于速度阈值，若是则判定道路拥堵但不是拥堵引发点；

图像采集单元，发现拥堵引发点后采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息；

显示单元，通过电子地图显示拥堵引发点的位置、拥堵引发点出现的时间以及拥堵引发点所在区域的图像。

8.根据权利要求7所述的能够发现导致区域交通拥堵原因的系统，其特征在于：所述第二判断模块中预设有第一时间阈值，如果第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，则判定道路拥堵且当前位置为拥堵引发点；

所述第三判断模块中预设有第二时间阈值，如果车辆速度低于速度阈值且持续时间超过所述第二时间阈值，则判定是道路拥堵点段。

说明书

一种能够发现导致区域交通拥堵原因的方法及系统

技术领域

[0001] 本发明涉及智能交通技术领域，具体是一种能够发现导致区域交通拥堵原因的方法及系统。

背景技术

[0002] 随着城市规模的不断扩大，大城市交通拥堵已成常态，严重影响了城市经济的快速发展。为了解决交通拥堵问题，各级政府决策者需要不断地研究新的对策，提高道路通行能力，但成效并不显著，其主要原因是不能准确找准导致道路拥堵的引发点和拥堵原因，因此准确检测到拥堵引发点和导致拥堵的原因是解决缓解道路拥堵的关键，进一步将拥堵引发点的发生时刻和拥堵引发点的现场照片进行实时记录，并在GIS图上进行动态显示，为领导能够快速找到周期性拥堵引发点和导致拥堵的原因，以便采取精准对策，为有效缓解交通拥堵提供技术支撑。

[0003] 为此，主要发明人在2009年11月17日向国家知识产权局提交并授权的专利，公开号为：CN101719314A，发明名称为“区域交通拥堵引发点记录分析方法”。主要原理是：由设置在控制中心的分析处理计算机、设置在城市路网上的交通拥堵快速报警装置及通讯线路构成。分析处理计算机上预设一个被检测点上下游关系数据库，运行有引发点分析程序。在经常发生大范围交通拥堵区域，在交叉路口、快速路或环路的匝道口或合流点，或是根据实际需要在快速路或环路的每隔一段距离，分别设置被检测点，安装拥堵快速报警装置。某被检测点发生拥堵后，该点所安装的拥堵快速报警装置能够快速向交通指挥控制中心的分析处理计算机发送拥堵报警信息。

[0004] 但是在上述技术方案中，只能对车辆拥堵排队到设有检测点的横断面时，才能作为拥堵点进行记录，再进行分析是否是拥堵引发点，不能够对一个区域的任意点出现的拥堵引发点及时记录并显示，也无法得知拥堵引发的原因，不便于交通管理者通过历史数据了解导致某一区域交通拥堵的引发点及原因的情况，交通决策者也就无法针对周期性导致区域拥堵的引发点及原因，给出有针对性的治理方法。

发明内容

[0005] 本发明所要解决的技术问题是现有技术中的，不能够实时、快速的发现当前快速路上的拥堵，是由前方引起的，还是由该点段引起的，从而提供一种能够发现导致区域交通拥堵引发点成因的系统及方法。

[0006] 为解决上述技术问题，本发明是通过以下技术方案实现的：

[0007] 本发明提供一种能够发现导致区域交通拥堵原因的方法，包括如下步骤：

[0008] S1：采用视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速；

[0009] S2：根据拥堵道路上车辆的车速以及车速变化情况判断道路上是否有拥堵引发点，若有拥堵引发点则进入步骤S3，否则进入步骤S5；

[0010] S3：采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息；

[0011] S4：通过电子地图显示拥堵引发点的位置、拥堵引发点出现的时间以及拥堵引发点所在区域的图像，根据拥堵引发点所在区域的图像获取拥堵原因。

[0012] 所述步骤S2中具体包括如下步骤：

[0013] S21：判断被跟踪的全部车辆的速度是否一致，若不一致则进入步骤S22，若一致则进入步骤S23；

[0014] S22：获取当前位置车辆的第一速度与前方L米处车辆的第二速度，判断第二速度与第一速度之差是否大于速度差阈值，若是则判定道路拥堵且当前位置为拥堵引发点后进入步骤S3，否则返回步骤S1；

[0015] S23：判断车辆速度是否都低于速度阈值，若是则判定道路拥堵但不是拥堵引发点后进入步骤S24，否则返回步骤S1；

[0016] S24：通过电子地图显示拥堵路段以及拥堵出现的时间。

[0017] 在所述步骤S22中，还包括如下步骤：

[0018] 设定第一时间阈值，如果第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，则判定道路拥堵且当前位置为拥堵引发点。

[0019] 所述步骤S23中，还包括如下步骤：

[0020] 设定第二时间阈值，如果车辆速度低于速度阈值且持续时间超过所述第二时间阈值，则判定是道路拥堵点段。

[0021] 所述步骤S22中，所述速度阈值＝限速值×N，其中N为系数常数，且0＜N＜0.5；

[0022] 所述步骤S23中，所述速度差阈值＝A×第二速度，其中A为系数常数且0＜A＜0.5。

[0023] 所述步骤S22中，0＜L≤20。

[0024] 本发明还提供一种能够发现导致区域交通拥堵原因的系统，包括：

[0025] 视频跟踪单元，对快速路上行驶的车辆进行全程连续跟踪，实时获取每一车辆的位置和车速；

[0026] 拥堵引发点判断单元，用于根据所有被跟踪的车辆的车速及车速变化情况判断道路上是否有拥堵引发点；

[0027] 图像采集单元，发现拥堵引发点后采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息；

[0028] 显示单元，通过电子地图显示拥堵引发点的位置、拥堵引发点出现的时间以及拥堵引发点所在区域的图像。

[0029] 所述拥堵引发点判断单元包括：

[0030] 第一判断模块，判断被跟踪的全部车辆的速度是否一致；

[0031] 第二判断模块，在被跟踪的全部车辆的速度不一致时，获取当前位置车辆的第一速度与前方L米处车辆的第二速度，判断第二速度与第一速度之差是否大于速度差阈值，若是则判定道路拥堵且当前位置为拥堵引发点；

[0032] 第三判断模块，用于判断被跟踪的全部车辆的速度是否都低于速度阈值，若是则判定道路拥堵但不是拥堵引发点。

[0033] 所述第二判断模块中预设有第一时间阈值，如果第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，则判定道路拥堵且当前位置为拥堵引发点。

[0034] 所述第三判断模块中预设有第二时间阈值，如果车辆速度低于速度阈值且持续时间超过所述第二时间阈值，则判定是道路拥堵点段。

[0035] 本发明的上述技术方案相比现有技术具有以下优点：

[0036] (1)本发明所述的能够发现导致区域交通拥堵原因的方法及系统，通过视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速，能够快速判断当前的拥堵是由哪一点引起的，并能自动采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息。在电子地图上显示拥堵引发点的同时显示拥堵引发点的图像信息，能够对引起拥堵的原因一目了然。如果通过历史数据的累积，就能够对某一路段发生拥堵的原因进行统计，这样，可以找出导致某一路段拥堵的规律性和突发性原因，提出有针对性的治理策略。

[0037] (2)本发明所述的能够发现导致区域交通拥堵原因的方法及系统，还能够在电子地图上直接显示出现拥堵的位置和出现拥堵引发点的位置。并根据系统时钟所显示的时间，将出现拥堵的时间和出现拥堵引发点的时间与拥堵位置、拥堵引发点位置、拥堵引发点的图片关联在一起显示。这样，交通管理者或者决策者在回放整个城市或者某个区域内的交通情况时，就可以动态进行显示拥堵出现的时间、拥堵引发点出现的时间以及记录拥堵引发点的图片，使交通决策者精准地确认当前记录的拥堵区域是由哪一点导致的，并准确知道是什么原因导致的拥堵。

[0038] (3)本发明所述的能够发现导致区域交通拥堵原因的方法及系统，还设定了第一时间阈值和第二时间阈值，当第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，再判定道路拥堵且当前位置为拥堵引发点；车辆速度低于速度阈值且持续时间超过所述第二时间阈值，再判定道路拥堵且当前位置为拥堵引发点。通过设置上述时间阈值能够降低误报率，进一步提高系统的准确性。

附图说明

[0039] 为了使本发明的内容更容易被清楚的理解，下面结合附图，对本发明作进一步详细的说明，其中，

[0040] 图1是本发明一个实施例所述的能够发现导致区域交通拥堵原因的方法的流程图；

[0041] 图2是本发明一个实施例所述的能够发现导致区域交通拥堵原因的方法的流程图；

[0042] 图3是本发明一个实施例视频跟踪单元设置方式的示意图。

[0043] 图4是本发明一个实施例所述能够发现导致区域交通拥堵原因的系统的原理框图。

具体实施方式

[0044] 实施例1

[0045] 本实施例提供一种能够发现导致区域交通拥堵原因的方法，如图1所示，包括如下步骤：

[0046] S1：采用视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速。

[0047] S2：根据拥堵道路上车辆的车速以及车速变化情况判断道路上是否有拥堵引发点，若有拥堵引发点则进入步骤S3，否则进入步骤S5。

[0048] S3：采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息。

[0049] S4：通过电子地图显示拥堵引发点的位置、拥堵引发点出现的时间以及拥堵引发点所在区域的图像，根据拥堵引发点所在区域的图像获取拥堵原因。

[0050] 其中，所述步骤S1中利用视频跟踪技术对快速路上行驶的车辆进行全程连续跟踪，可以通过在快速路上设置多个视频跟踪单元来实现，其中每一个视频跟踪单元的监控范围和其相邻的视频跟踪单元的监控范围有重叠，如图3所示。

[0051] 具体的实施过程申请人已经在专利文献CN201310283860.6-《快速确认道路交通事故逃逸车辆身份的系统及方法》已经公开，如图3所示，若干视频跟踪单元沿车辆行驶方向按照一定距离间隔设置于设置快速路上，每一所述视频跟踪单元的视频跟踪范围涵盖至少两条基准线，且每一视频跟踪范围内的第一条基准线和最后一条基准线同时存在于相邻两个所述视频跟踪范围中；每一所述视频跟踪单元对进入其视频跟踪范围内的每一台车辆进行连续跟踪，当车头到达视频跟踪范围内的第一条基准线时判定车辆驶入视频跟踪范围，当车头到达最后一条基准线时判定车辆驶出该视频跟踪范围。在道路上施划了00、01、02、03四条基准线，需要说明的是，此处的基准线可以是实际施划在道路上的标线，也可以是设置于路边的电线杆、花坛等静态参照物。相应的路侧设置有三个视频跟踪单元，每一视频跟踪单元的视频跟踪范围以其两侧的虚线和道路的交点来确定。从图中可以看出，每一视频跟踪范围涵盖两条基准线，基准线01同时存在于第一个视频跟踪单元和第二个视频跟踪单元的视频监控范围内，基准线02同时存在于第二个视频跟踪单元和第三个视频跟踪单元的视频跟踪范围内。这样一来，当车辆的车头到达基准线01时，可以判定车辆驶出了第一个视频跟踪单元的视频跟踪范围同时驶入了第二个视频跟踪单元的视频跟踪范围。
当车辆的车头到达基准线02时，可以判定车辆驶出了第二个视频跟踪单元的视频跟踪范围，同时驶入了第三个视频跟踪单元的视频跟踪范围，以此来实现对车辆的连续跟踪。

[0052] 通过视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速，这样当某一辆车由于突发事件停车导致后续车辆排队造成拥堵，就能够第一时间获得停车车辆的位置，也即拥堵引发点所在的位置。即时采集拥堵引发点所在区域的图像信息，将图像信息与拥堵引发点出现的位置和出现的时间关联，这样当采用电子地图查看城市的交通状况时，在弹出拥堵引发点的信息时，同时弹出图像和时间。决策者可以根据图像得到拥堵产生的具体原因，例如车辆发生了故障还是说发生了事故或者是其他意外事件等。这样，交通管理者或者决策者在回放整个城市或者某个区域内的交通情况时，就可以根据拥堵出现的时间、拥堵引发点出现的时间和拥堵引发点所在区域的图像，动态进行显示，使交通决策者可以更好的了解城市交通状况，对哪一个路段容易在哪个时间出现拥堵、哪一个路段容易出现拥堵引发点，拥堵引发点是什么原因造成的，并且是在何时出现拥堵引发点的都能一清二楚。例如如果某一个路段处，除了在早高峰和晚高峰时期，还经常会因为车辆之间的刮蹭事故导致拥堵，那么就可以判定为该路段容易出现交通事故，需要在该路段加大警力或者增设提醒信息牌提醒驾驶员注意慢性等。这样通过历史数据的累积，就能够对某一路段发生拥堵的原因进行统计，这样，可以找出导致某一路段拥堵的规律性和突发性原因，提出有针对性的治理策略。

[0053] 由于每一个拥堵路段或者拥堵引发点均与时间关联，因此如果在电子地图上按照发生时间来显示拥堵路段或者拥堵引发点时，可以明确了解到哪些路段先发生了拥堵，或者哪个位置先出现了拥堵引发点，能够根据显示结果判断拥堵路段之间是否有相互影响。并且，可以根据显示结果，推断出有些路段的易发生拥堵的时间，可以实施预案，在拥堵发生之前进行交通疏导等，能够给交通决策者提供准确依据。

[0054] 优选地，如图2所示，所述步骤S2中具体包括如下步骤：

[0055] S21：判断被跟踪的全部车辆的速度是否一致，若不一致则进入步骤S22，若一致则进入步骤S23。

[0056] S22：获取当前位置车辆的第一速度与前方L米处车辆的第二速度，判断第二速度与第一速度之差是否大于速度差阈值，若是则判定道路拥堵且当前位置为拥堵引发点后进入步骤S3，否则返回步骤S1。

[0057] S23：判断车辆速度是否都低于速度阈值，若是则判定道路拥堵但不是拥堵引发点后进入步骤S24，否则返回步骤S1。

[0058] S24：通过电子地图显示拥堵路段以及拥堵出现的时间。

[0059] 其中，所述速度一致，并不是指被跟踪的全部车辆的行驶速度均相同，因为根据不同驾驶员的驾驶习惯以不同车辆的车况，很难达到这一点。其中速度一致可以是全部车辆的行驶速度大致相等，即最快的速度和最慢的速度相差也不大，例如都是在50km/小时左右，而如果出现有的车辆在50km/小时，有的车辆却在30km/小时，这时候车辆速度就为不一致的情况了。

[0060] 其中，L米可以根据实际情况选择，一般情况下选择20米之内，优选为10米。可以认为在快速路上存在着一个流动的拥堵引发点检测区，该拥堵引发点检测区的长度为L米。如果车辆在进入该拥堵引发点检测区之前的速度一直很低，而离开该拥堵引发点检测区后的速度突然有一个较大值的提高，很显然该区域即为引起拥堵的区域。

[0061] 进一步地，在所述步骤S22中，还包括如下步骤：设定第一时间阈值，如果第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，则判定道路拥堵且当前位置为拥堵引发点。所述步骤S23中，还包括如下步骤：设定第二时间阈值，如果车辆速度低于速度阈值且持续时间超过所述第二时间阈值，则判定是道路拥堵点段。所述第一时间阈值和所述第二时间阈值的设定可以灵活选择，二者也可以相等，一般情况下可以选择10秒，15秒，30秒等，最好是不要超过一分钟。通过设置上述时间阈值能够降低误报率，进一步提高系统的准确性。

[0062] 进一步地，所述步骤S22中，所述速度阈值＝限速值×N，其中N为系数常数，且0＜N＜0.5，优选为0.3。例如一般的快速路上限速值为100km/小时，那么可以认为如果某段区域内的所有车辆的行驶速度均小于30km/小时的情况下即可认为道路拥堵。但是如果所有车辆的速度均小于速度阈值，只能说明路段拥堵，但是不能说明有引发点。

[0063] 所述步骤S23中，所述速度差阈值＝A×第二速度，其中A为系数常数且0＜A＜0.5，其中的A可以选择为0.3，0.5等。例如如果车辆在驶入拥堵引发点检测区之前的速度为30KM/小时，而车辆离开拥堵引发点检测区后的速度直接提升至了100KM/小时，则可以认为该区域内有引起拥堵的引发点。

[0064] 采用视频跟踪技术对快速路上行驶的车辆进行连续跟踪，视频跟踪技术能够更准确的获得车辆的行驶状态并且可以实现对车辆的全程连续跟踪，而不是仅仅针对一个横断面进行检测。另外，采用视频连续跟踪技术后，只需要对车辆在不同位置处的车速进行比较就可以准确获取拥堵引发点所在的位置，因此具有更好的实时性，而且由于可以对车辆进行全程连续跟踪，因此可实时确定拥堵引发点而无需进行上下游的关联，具有更高的效率。

[0065] 实施例2

[0066] 本实施例提供一种能够发现导致区域交通拥堵原因的系统，如图4所示，包括：

[0067] 视频跟踪单元，对快速路上行驶的车辆进行全程连续跟踪，实时获取每一车辆的位置和车速。

[0068] 拥堵引发点判断单元，用于根据所有被跟踪的车辆的车速及车速变化情况判断道路上是否有拥堵引发点。

[0069] 图像采集单元，发现拥堵引发点后采集拥堵引发点所在区域的图像，该图像中包含引起拥堵的车辆信息。

[0070] 显示单元，通过电子地图显示拥堵引发点的位置、拥堵引发点出现的时间以及拥堵引发点所在区域的图像。

[0071] 通过视频跟踪技术对道路上的车辆进行连续跟踪，实时获取每一车辆的位置和车速，这样当某一辆车由于突发事件停车导致后续车辆排队造成拥堵，就能够第一时间获得停车车辆的位置，也即拥堵引发点所在的位置。即时采集拥堵引发点所在区域的图像信息，将图像信息与拥堵引发点出现的位置和出现的时间关联，这样当采用电子地图查看城市的交通状况时，在弹出拥堵引发点的信息时，同时弹出图像和时间。决策者可以根据图像得到拥堵产生的具体原因，例如车辆发生了故障还是说发生了事故或者是其他意外事件等。这样，交通管理者或者决策者在回放整个城市或者某个区域内的交通情况时，就可以根据拥堵出现的时间、拥堵引发点出现的时间和拥堵引发点所在区域的图像，动态进行显示，使交通决策者可以更好的了解城市交通状况，对哪一个路段容易在哪个时间出现拥堵、哪一个路段容易出现拥堵引发点，拥堵引发点是什么原因造成的，并且是在何时出现拥堵引发点的都能一清二楚。例如如果某一个路段处，除了在早高峰和晚高峰时期，还经常会因为车辆之间的刮蹭事故导致拥堵，那么就可以判定为该路段容易出现交通事故，需要在该路段加大警力或者增设提醒信息牌提醒驾驶员注意慢性等。这样通过历史数据的累积，就能够对某一路段发生拥堵的原因进行统计，这样，可以找出导致某一路段拥堵的规律性和突发性原因，提出有针对性的治理策略。

[0072] 进一步地，所述拥堵引发点判断单元包括：

[0073] 第一判断模块，判断被跟踪的全部车辆的速度是否一致。

[0074] 第二判断模块，在被跟踪的全部车辆的速度不一致时，获取当前位置车辆的第一速度与前方L米处车辆的第二速度，判断第二速度与第一速度之差是否大于速度差阈值，若是则判定道路拥堵且当前位置为拥堵引发点。

[0075] 第三判断模块，用于判断被跟踪的全部车辆的速度是否都低于速度阈值，若是则判定道路拥堵但不是拥堵引发点。

[0076] 进一步地，所述第二判断模块中预设有第一时间阈值，如果第二速度与第一速度之差高于速度差阈值且持续时间超过所述第一时间阈值，则判定道路拥堵且当前位置为拥堵引发点。

[0077] 所述第三判断模块中预设有第二时间阈值，如果车辆速度低于速度阈值且持续时间超过所述第二时间阈值，则判定是道路拥堵点段。

[0078] 其中，所述速度一致，并不是指被跟踪的全部车辆的行驶速度均相同，因为根据不同驾驶员的驾驶习惯以不同车辆的车况，很难达到这一点。其中速度一致可以是全部车辆的行驶速度大致相等，即最快的速度和最慢的速度相差也不大，例如都是在50km/小时左右，而如果出现有的车辆在50km/小时，有的车辆却在30km/小时，这时候车辆速度就为不一致的情况了。

[0079] 其中，L米可以根据实际情况选择，一般情况下选择20米之内，优选为10米。可以认为在快速路上存在着一个流动的拥堵引发点检测区，该拥堵引发点检测区的长度为L米。如果车辆在进入该拥堵引发点检测区之前的速度一直很低，而离开该拥堵引发点检测区后的速度突然有一个较大值的提高，很显然该区域即为引起拥堵的区域。

[0080] 上述方案中，所述第一时间阈值和所述第二时间阈值的设定可以灵活选择，二者也可以相等，一般情况下可以选择10秒，15秒，30秒等，最好是不要超过一分钟。通过设置上述时间阈值能够降低误报率，进一步提高系统的准确性。

[0081] 作为优选的方案，所述速度阈值＝限速值×N，其中N为系数常数，且0＜N＜0.5，优选为0.3。例如一般的快速路上限速值为100km/小时，那么可以认为如果某段区域内的所有车辆的行驶速度均小于30km/小时的情况下即可认为道路拥堵。但是如果所有车辆的速度均小于速度阈值，只能说明路段拥堵，但是不能说明有引发点。所述速度差阈值＝A×第二速度，其中A为系数常数且0＜A＜0.5，其中的A可以选择为0.3，0.5等。例如如果车辆在驶入拥堵引发点检测区之前的速度为30KM/小时，而车辆离开拥堵引发点检测区后的速度直接提升至了100KM/小时，则可以认为该区域内有引起拥堵的引发点。

[0082] 本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

[0083] 本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0084] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

[0085] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

[0086] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。