CN104318770A

CN104318770A - 基于手机数据实时检测高速公路交通拥堵状态的方法

Info

Publication number: CN104318770A
Application number: CN201410602781.1A
Authority: CN
Inventors: 裘炜毅; 刘杰; 陈明威; 孙亚; 陆俊贤; 苏莉斌; 邱志军
Original assignee: SHANGHAI YUNDI INFORMATION TECHNOLOGY Co Ltd
Current assignee: SHANGHAI YUNDI INFORMATION TECHNOLOGY Co Ltd
Priority date: 2014-11-02
Filing date: 2014-11-02
Publication date: 2015-01-28
Anticipated expiration: 2034-11-02
Also published as: CN104318770B

Abstract

本发明公开了一种基于手机数据实时检测高速公路交通拥堵状态的方法，该方法根据当前更新周期内路段的平均旅行速度与所在路段的交通状态车速阈值进行比较，以初步判断当前更新周期的交通状态，若为畅通则直接发布；若为拥堵则进一步确认，通过计算当前更新周期结束时刻离开、未离开当前路段的手机终端样本数量，来进一步确认当前更新周期内的路段交通状态。本发明的优点是，充分依托现有的无线通信网络信息资源，利用已有手机网络中的定位数据，通过各个更新周期内的各路段的平均旅行速度以及不同时刻各个路段上所具有的手机终端样本数量以分别对路段当前更新周期内的交通状态进行多重判断，以提高高速公路交通拥堵状态的实时检测准确率。

Description

基于手机数据实时检测高速公路交通拥堵状态的方法

技术领域

本发明具体涉及一种基于手机数据实时检测高速公路交通拥堵的方法，适用于为交通运营监控、交通控制、交通诱导、交通规划设计、交通信息发布提供服务，属于交通运营管理技术领域。

背景技术

近年来，我国高速公路建设一直方兴未艾，由于高速公路流量增长、事故频发、节假日免费通行等等原因，高速公路上交通拥堵的发生频率越来越高，拥堵影响路段、拥堵持续时间越来越长，对高速公路的现代化、信息化运营管理水平，提出了越来越高的要求。因此，交通拥堵发生时，迫切需要实时、准确、可靠地检测出拥堵发生路段、发生时刻与持续时间，提交相关给相关的交通管控部门研判分析，提升高速公路运营管理效率与效果，切实改善出行者的出行体验。

申请号为CN201310749215的专利，公开了一种基于手机数据实时获取高速公路路段交通状态信息的方法，该方法基于手机数据以检测路段的平均车速，判断是否发生交通拥堵，并根据样本量多少情况赋予每次状态判断的置信度水平值。该专利的不足之处在于，对于交通拥堵状态的识别准确率较低，且无法获取较为详细的拥堵开始时间与拥堵持续时长，无法为交通拥堵管理的快速应急响应等提供重要详细的数据支撑。

发明内容

本发明的目的是根据上述现有技术的不足之处，提供一种基于手机数据实时检测高速公路交通拥堵的方法，该方法通过计算各路段当前更新周期的平均旅行速度来初步判断路段的交通状态为拥堵还是畅通，若初步判断为拥堵，则通过计算当前更新周期结束时刻当前路段内手机终端样本数量的增减情况，来进一步确认当前更新周期内的路段交通状态，以提高高速公路交通拥堵状态的检测准确率。

本发明目的实现由以下技术方案完成：

一种基于手机数据实时检测高速公路交通拥堵状态的方法，所述高速公路上分为若干路段，同时每个所述路段中又具有若干个信号分段，每个所述信号分段内均具有一座信号基站，其特征在于所述方法至少包括如下步骤：

步骤1：将途经所述高速公路的所有手机终端样本匹配至所在的所述路段，以时间t为一更新周期，通过所述信号基站获取对应时间段t内的所述手机终端数据，计算得到各个更新周期内的各路段的平均旅行速度，并计算识别出各所述手机终端样本经过各路段的起点、终点的时刻，识别出各所述手机终端不同时刻所在的路段，从而获得不同时刻各个路段上所具有的手机终端样本数量；

步骤2：根据当前更新周期i内路段k的平均旅行速度与所在路段k的交通状态车速阈值进行比较，初步判断当前更新周期i内的路段k的交通状态，若当前更新周期i内路段k的平均旅行速度小于或等于所在路段k的交通状态车速阈值，则当前更新周期i内的路段k的交通状态为拥堵，进入步骤3以进一步确认；若当前更新周期i内的路段k的平均旅行速度大于所在路段k的交通状态车速阈值，则当前更新周期i内的路段k的初始交通状态为畅通，直接进入步骤4；

步骤3：根据步骤1中所述不同时刻各个路段上所具有的手机终端样本数量，得到当前更新周期i与前一更新周期i-1结束时刻，路段k上的手机终端样本编号集合PUG(i,k)与PUG(i-1,k)，计算两者之间的交集与差集，以对步骤2中初步判断的当前更新周期i内的路段k交通状态为拥堵进一步确认，之后进入步骤4；

步骤4：交通状态确认完毕，发布当前更新周期i内各路段交通状态；重复步骤1～3进入下一更新周期。

所述步骤1中所述手机终端样本经过各路段的起点、终点时刻的计算方法为：手机终端样本PU（p）经过路段k内各信号分段Clink(p,k)起点的时刻timestamp(p,k)与旅行时间traveltime_Clink (p,k)，速度差分后经过各速度渐变分段Clink_gradient(p,k,t)的旅行时间为traveltime_Clink_gradient(p,k,t),经过各速度渐变分段Clink_gradient(p,k,t)起点的时刻为timestamp(p,k,t)=timestamp(p,k)+traveltime_Clink(p,k)/2+ ；路段k起点所在的速度渐变分段Clink_gradient(p,k,tf)对应的旅行时间为traveltime_Clink_gradient(p,k,first)；因此得手机终端样本PU（p）经过路段k起点的时刻为timestamp_in(p,k)=timestamp(p,k,tf)+ traveltime_Clink_gradient(p,k,tf)-traveltime_Clink_gradient(p,k,first)；

同理，得手机终端样本PU（p）经过路段k终点的时刻为timestamp_out(p,k)= timestamp(p,k,tl)+traveltime_Clink_gradient(p,k,tl)，其中，timestamp(p,k,tl)为手机终端样本PU（p）经过路段k终点所在的速度渐变分段Clink_gradient(p,k,tl)起点的时刻，traveltime_Clink_gradient(p,k,tl)为对应的旅行时间。

所述步骤1中获得不同时刻各个路段上所具有的手机终端样本数量的计算方法为：对路段k，挑选出所有timestamp_in(p,k)＜timestamp(temp)且timestamp_out(p,k)＞timestamp(temp)、以及timestamp_out(p,k)尚未计算得到的手机终端样本编号集合，作为在timestamp(temp)这个时刻路段k内所行驶的所有手机终端样本集合。

所述步骤3的具体步骤为：

根据步骤1中所述不同时刻各个路段上所具有的手机终端样本数量，得到当前更新周期i与前一更新周期i-1结束时刻，路段k上的手机终端样本编号集合PUG(i,k)与PUG(i-1,k)；计算当前更新周期i与前一更新周期i-1内路段k上手机终端样本编号集合的交集PUGINT(i,k)=PUG(i,k)∩PUG(i-1,k)以及差集PUGSUB(i,k)= PUG(i-1,k)-PUG(i,k)，其中PUGINT(i,k)表示当前更新周期i开始时刻之前进入，并在当前更新周期i结束时刻时仍未离开当前路段k的手机终端样本集合，PUGSUB(i,k)表示当前更新周期i开始时刻之前进入，并在当前更新周期i结束时刻之前离开当前路段k的手机终端样本集合；

对步骤2中初步判断的当前更新周期i内的路段k交通状态为拥堵进一步确认，当PUGINT(i,k)中手机终端样本数量＞PAR_PUGINT(k)，且PUGSUB(i,k)中手机终端样本数量＜ PAR_PUGSUB(k)时，则确认当前更新周期i内路段k的交通状态为拥堵，进入步骤4；若不满足这两个条件，则确认当前更新周期i内的路段k的交通状态为畅通，进入步骤4；其中PAR_PUGINT(k)表示当前路段k拥堵未驶离的手机终端样本数量阈值，PAR_PUGSUB(k)表示当前路段k驶离的手机终端样本数量阈值。

所述步骤4中还包括如下步骤：

将路段k连续的各个更新周期的交通状态识别结果按时间先后排序，若更新周期i交通状态为拥堵，之前的更新周期中交通状态也识别为拥堵的时间上最接近的更新周期为i_bf，当更新周期i_bf的结束时刻与更新周期i的开始时刻相隔的时间间隔＜单次拥堵时长阈值TIMELENGH_JAM，则认为更新周期i与更新周期i_bf的拥堵为同一次拥堵，以更新周期i_bf的开始时刻作为拥堵开始时间JAM_TS_START(k,j)；

若路段k在更新周期i_at检测到交通状态为拥堵，超过单次拥堵时长阈值TIMELENGH_JAM的连续多个更新周期都未检测到交通状态为拥堵，则以更新周期i_at的结束时刻JAM_TS_END(k,j)作为本次拥堵的拥堵消散时刻，本次拥堵的拥堵持续时长JAM_TD(k,j)=拥堵消散时刻JAM_TS_END(k,j)-拥堵开始时刻JAM_TS_START(k,j)；

将拥堵开始时间JAM_TS_START(k,j)与拥堵持续时长JAM_TD(k,j)发布。

本发明的优点是，充分依托现有的无线通信网络信息资源，利用已有手机网络中的定位数据，通过各个更新周期内的各路段的平均旅行速度以及不同时刻各个路段上所具有的手机终端样本数量以分别对路段当前更新周期内的交通状态进行初步判断和进一步确认，实现低成本、全路网、低误检、少延时、实时地检测高速公路交通拥堵状态信息。

附图说明

图1为本发明中基于手机数据实时检测高速公路交通拥堵的方法流程图。

具体实施方式

以下结合附图通过实施例对本发明的特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：

实施例：如图1所示，本实施例具体涉及一种基于手机数据实时检测高速公路交通拥堵的方法，该方法具体包括如下步骤：

【步骤1】高速公路上分为若干路段，同时每个所述路段中又具有若干个信号分段，每个信号分段内均具有一座信号基站，定期获取手机数据，将途经高速公路的所有手机终端样本匹配至所在路段，计算得到各个更新周期内的各路段平均旅行速度，并计算识别出每个手机终端样本经过各路段起点、终点的时刻，识别每个手机终端样本不同时刻所在具体路段，从而识别不同时刻各个路段上有哪些手机终端样本；

步骤1.1：以时间t为一更新周期，通过信号基站获取对应时间段t内的手机终端数据，将途经高速公路的所有手机终端样本匹配至所在路段，计算得到各个更新周期的路段平均旅行速度，并计算识别出每个手机终端样本经过路段起点、终点的时刻。

其中，某个手机终端样本PU(p)经过某个路段k起点的时刻为timestamp_in(p,k)，这是根据其经过各个信号分段起点的时刻、速度差分后的渐变分段起点的时刻与高速公路路段起点所在的渐变分段对应旅行时间共同计算得到。

参考专利CN201310749215，该手机终端样本PU(p)经过各个信号分段Clink(p,k)起点的时刻timestamp(p,k)与旅行时间traveltime_Clink(p,k)，速度差分后经过各个渐变分段Clink_gradient(p,k,t)的旅行时间traveltime_Clink_gradient(p,k,t)，这样，经过各个速度渐变分段Clink_gradient(p,k,t)起点的时刻timestamp(p,k,t)=timestamp(p,k) + traveltime_Clink (p,k)/2+ ；高速公路路段起点所在的速度渐变分段Clink_gradient(p,k,tf)对应旅行时间traveltime_Clink_gradient(p,k,first)；因此，其经过某个路段k起点的时刻timestamp_in(p,k)=timestamp(p,k,tf)+traveltime_Clink_gradient(p,k,tf)-traveltime_Clink_gradient(p,k,first)。

同理，该手机终端样本PU(p)经过某个路段k终点的时刻timestamp_out(p,k)=timestamp(p,k,tl)+traveltime_Clink_gradient(p,k,tl)，其中timestamp(p,k,tl)为该手机终端途经其路段终点所在速度渐变分段Clink_gradient(p,k,tl)起点的时刻，traveltime_Clink_gradient(p,k,tl)为对应的旅行时间。

例如，某个手机终端样本经过某几个连续信号分段起点的时刻，分别为…、2014-07-01 12:02:00、2014-07-01 12:07:00、…；其速度差分后经过各个渐变分段起点的时刻，分别为…、2014-07-01 12:04:30、2014-07-01 12:04:50、2014-07-01 12:05:10、2014-07-01 12:05:30、2014-07-01 12:05:50、…；其经过的某个路段k起点所在的首个渐变分段起点的时刻2014-07-01 12:04:30与对应当前高速公路路段k的部分旅行时间为10s，整个渐变分段旅行时间为20s；其经过的某个路段k终点所在的渐变分段起点的时刻2014-07-01 12:04:50与对应当前高速公路路段k的部分旅行时间为15s；这样，经过某个高速公路路段k起点的时刻为2014-07-01 12:04:30+00:00:20-00:00:10=2014-07-01 12:04:40，经过某个高速公路路段k终点的时刻为2014-07-01 12:04:50+00:00:15=2014-07-01 12:05:05。

步骤1.2、识别每个手机终端样本不同时刻所在具体高速公路路段，从而识别不同时刻各个高速公路路段上有哪些手机终端样本。

在timestamp(temp)这个时刻识别各个路段上有哪些手机终端样本，即，当timestamp_in(p,k)<timestamp(temp)，且timestamp_out(p,k)＞ timestamp(temp)，或是timestamp_out(p,k)尚未计算得到时，也即，该手机终端PU(p)在timestamp(temp)这个时刻尚未经过或到达路段k的终点时，认为该手机终端PU(p)在timestamp(temp)这个时刻所在路段为路段k。

对路段k，挑选出所有timestamp_in(p,k)＜timestamp(temp)，且timestamp_out(p,k)＞timestamp(temp)，或是timestamp_out(p,k)尚未计算得到的手机终端样本编号集合，作为路段k在timestamp(temp)这个时刻所行驶的所有手机终端样本集合。

上述的手机终端样本，在2014-07-01 12:05:00这个时刻，由于其进入高速公路路段k的时刻（经过高速公路路段k起点）2014-07-01 12:04:40<2014-07-01 12:05:00，且其离开高速公路路段k的时刻（经过高速公路路段k终点）2014-07-01 12:05:05>2014-07-01 12:05:00，因此，该手机终端样本在2014-07-01 12:05:00这个时刻位于高速公路路段k上。

按上述规则，挑选出目前统计时刻所有位于高速公路路段k上的手机终端样本，将其编号集合作为该时刻该高速公路路段k上的手机终端样本编号集合。

【步骤2】由于车速是对交通拥堵最为敏感的交通参数，因此，利用高速公路路段平均行驶车速对交通状态进行初步识别。即，根据当前更新周期各个路段的平均行驶车速值与所在路段交通状态阈值划分情况，识别出各个高速公路路段的初始交通状态。若初始交通状态为拥堵，当手机样本量较低时，识别置信度较低，需要进行步骤3，利用高速公路路段手机终端样本增减情况对交通拥堵进一步确认；若交通状态为畅通，平均车速较高时必定未发生交通拥堵，无需进一步确认，直接转步骤4；

例如，某条高速公路路段k在某个更新周期i的平均旅行速度为35km/h，位于“拥堵”交通状态阈值[0-40]区间内，则需要进行步骤3，利用高速公路路段手机终端样本增减情况对交通拥堵进一步确认是否为真实交通拥堵；同一更新周期，另一条高速公路路段的平均旅行速度为85km/h，位于“非常畅通”交通状态阈值≥81km/h的区间内，则无需进一步确认，直接转步骤4。

【步骤3】对初始交通状态为拥堵的高速公路路段，根据相邻更新周期当前高速公路路段上手机终端样本编号集合的交集与差集，对交通拥堵进行确认。具体为：

步骤3.1：根据步骤1不同时刻各个路段上有哪些手机终端样本，得到当前更新周期i与前一更新周期i-1结束时刻，各个路段上手机终端样本编号集合PUG(i,k)、PUG(i-1,k)；

例如，根据步骤1，识别出在当前更新周期i结束时刻路段k上的手机终端样本编号集合PUG(i,k)={PU(p+16)、PU(p+17)、…、PU(p+n)、PU(p+n+1)、PU(p+n+2)、PU(p+n+3)}，前一更新周期i-1结束时刻该路段k上的手机终端样本编号集合PUG(i-1,k)={PU(p+1)、PU(p+2)、…、PU(p+n)}，n为正整数，n＞500。

步骤3.2：对当前更新周期i，计算相对前一相邻更新周期i-1，各个路段上手机终端样本编号集合的交集：PUGINT(i,k)=PUG(i,k)∩PUG(i-1,k)，与差集：PUGSUB(i,k)= PUG(i-1,k)-PUG(i,k)。

其中：

PUGINT(i,k)：当前更新周期开始时刻之前进入，并在当前更新周期结束时刻时仍未离开当前路段k的手机终端样本群体；

PUGSUB(i,k)：当前更新周期开始时刻之前进入，并在当前更新周期结束时刻之前离开当前路段k的手机终端样本群体；

示例中，路段k当前更新周期i相对前一更新周期i-1的手机终端样本编号集合的交集PUGINT(i,k)=｛PU(p+16)、PU(p+17)、…、PU(p+n)｝，差集PUGSUB(i,k) ={PU(p+1)、PU(p+2)、…、PU(p+15)}。

步骤3.3、当PUGINT(i,k)中元素数量＞PAR_PUGINT(k)，且PUGSUB(i,k)中元素数量＜PAR_PUGSUB(k)时，确认当前更新周期交通状态为拥堵；若不满足这两个条件，则认为当前更新周期交通状态为畅通，可能是路段上仅有很少量车辆在行驶，且旅行速度较低。

其中：

PAR_PUGINT(k)是当前路段k拥堵未驶离手机终端样本数量阈值，即由于交通拥堵，造成一定数量的手机终端样本无法在一定的时间范围（如一个更新周期）内驶离当前路段k；

PAR_PUGSUB(k)是当前高速公路路段k拥堵驶离手机终端样本数量阈值，即由于交通拥堵，造成只有少量手机终端样本能够在一定的时间范围（如一个更新周期）内驶离当前路段k；

这两个阈值的取值与高速公路路段长度、高速公路路段车道数与车均载手机终端数量相关，一般1km单车道高速公路路段PAR_PUGINT(k)设为150，具体使用时需要乘以路段实际长度与实际车道数量；单车道的高速公路路段PAR_PUGSUB(k)设为20，具体使用时需要乘以路段实际车道数量。

对1km单位长度单车道高速公路路段，这两个阈值的取值方式为：拥堵时，高速公路路段平均旅行车速一般会低于30km/h～40km/h，以20km/h为例，最短车头时距约2s，最短车头间距=最短车头时距×车速=2s×20km/h≈10m，车均载手机终端数量约1.6个，这样某个时刻1km长的单车道路段上的手机终端数量约1km/10m×(1.6个手机终端/pcu)=160个，当前5min更新周期内驶离当前路段的手机终端数量=车速×更新周期时长/最短车头间距=20km/h×5min/10m≈3个，这样相邻更新周期手机用户的差集约3个，交集为157个。综合考虑各类平均旅行车速与车均载手机终端数量等情况，一般1km单车道高速公路路段PAR_PUGINT(k)设为150，单车道的高速公路路段PAR_PUGSUB(k)设为20。

示例中，当前高速公路路段k长度为1km，路段车道数为2，PUGINT(i,k)中元素数量为n-15，PUGSUB(i,k)中元素数量为15，由于n-15＞500-15=485＞ PAR_PUGINT(k)=150×2=300，且15＜PAR_PUGSUB(k) = 20×2 = 40，两个条件都满足，因此该高速公路路段k在更新周期i的交通状态确认为“拥堵”。即，由于当前路段k发生了交通拥堵，车行缓慢，只有少量的15个手机终端在更新周期i内驶出当前路段k，且有大量的485个手机终端未能驶离当前路段k。

【步骤4】当前更新周期i各个路段k的拥堵状态识别确认完毕，在此基础上，识别各个高速公路路段k的每次拥堵状态的拥堵开始时间JAM_TS_START(k,j)与拥堵持续时长JAM_TD(k,j)。将实时检测的交通状态、拥堵开始时间与拥堵持续时长发布给相关运营管理部门或公众使用。

步骤4.1：将某个路段k连续的各个更新周期的交通状态识别结果按时间先后排序，若某个更新周期i交通状态为拥堵，之前的更新周期中也识别为拥堵的时间上最接近的更新周期为i_bf，当更新周期i_bf的结束时刻与更新周期i的开始时刻相隔的时间间隔＜单次拥堵时长阈值TIMELENGH_JAM，则认为这两次拥堵为同一次拥堵，以更新周期i_bf的开始时刻作为拥堵开始时间JAM_TS_START(k,j)，单次拥堵时长阈值TIMELENGH_JAM一般为10分钟，若更新周期为5分钟，则最多相隔2个更新周期的拥堵为同一次拥堵。

示例中，某个路段k，连续多个更新周期的交通状态如下表。

由于第i个更新周期与第i+2个更新周期的交通状态都为拥堵，且第i+2个更新周期的开始时刻2014-07-01 12:10:00与第i个更新周期的结束时刻2014-07-01 12:05:00的时间间隔为5分钟，＜TIMELENGH_JAM = 10分钟，因此本次拥堵的拥堵开始时间为第i个更新周期的开始时刻2014-07-01 12:00:00。

步骤4.2：若路段k在更新周期i_at检测到拥挤或堵塞后，超过单次拥堵时长阈值TIMELENGH_JAM的连续多个更新周期都未检测到拥挤或堵塞，则以更新周期i_at的结束时刻JAM_TS_END(k,j)作为本次拥堵的拥堵消散时刻，这样，本次拥堵的拥堵持续时长JAM_TD(k,j)=拥堵消散时刻JAM_TS_END(k,j)-拥堵开始时刻JAM_TS_START(k,j)。将实时检测的交通状态、拥堵开始时间与拥堵持续时长发布给相关运营管理部门或公众使用。

示例中，高速公路路段k在第i+5个更新周期之后，超过单次拥堵时长阈值TIMELENGH_JAM的连续多个更新周期都未检测到拥挤或堵塞，则以第i+5个更新周期的结束时刻2014-07-01 12:30:00作为本次拥堵的拥堵消散时刻，这样，本次拥堵的拥堵持续时长为2014-07-01 12:30:00-2014-07-01 12:00:00=30分钟。

Claims

1.一种基于手机数据实时检测高速公路交通拥堵状态的方法，所述高速公路上分为若干路段，同时每个所述路段中又具有若干个信号分段，每个所述信号分段内均具有一座信号基站，其特征在于所述方法至少包括如下步骤：

2.根据权利要求1所述的一种基于手机数据实时检测高速公路交通拥堵状态的方法，其特征在于所述步骤1中所述手机终端样本经过各路段的起点、终点时刻的计算方法为：手机终端样本PU（p）经过路段k内各信号分段Clink(p,k)起点的时刻timestamp(p,k)与旅行时间traveltime_Clink (p,k)，速度差分后经过各速度渐变分段Clink_gradient(p,k,t)的旅行时间为traveltime_Clink_gradient(p,k,t),经过各速度渐变分段Clink_gradient(p,k,t)起点的时刻为timestamp(p,k,t)=timestamp(p,k)+ traveltime_Clink(p,k)/2+ ；路段k起点所在的速度渐变分段Clink_gradient(p,k,tf)对应的旅行时间为traveltime_Clink_gradient(p,k,first)；因此得手机终端样本PU（p）经过路段k起点的时刻为timestamp_in(p,k)=timestamp(p,k,tf)+ traveltime_Clink_gradient(p,k,tf)-traveltime_Clink_gradient(p,k,first)；

3.根据权利要求1所述的一种基于手机数据实时检测高速公路交通拥堵状态的方法，其特征在于所述步骤1中获得不同时刻各个路段上所具有的手机终端样本数量的计算方法为：对路段k，挑选出所有timestamp_in(p,k)＜timestamp(temp)且timestamp_out(p,k)＞timestamp(temp)、以及timestamp_out(p,k)尚未计算得到的手机终端样本编号集合，作为在timestamp(temp)这个时刻路段k内所行驶的所有手机终端样本集合。

4.根据权利要求1所述的一种基于手机数据实时检测高速公路交通拥堵状态的方法，其特征在于所述步骤3的具体步骤为：

5.根据权利要求1所述的一种基于手机数据实时检测高速公路交通拥堵状态的方法，其特征在于所述步骤4中还包括如下步骤：

将拥堵开始时间JAM_TS_START(k,j)与拥堵持续时长JAM_TD(k,j)发布。