CN107730880A

CN107730880A - 一种基于无人飞行器的拥堵监测方法和无人飞行器

Info

Publication number: CN107730880A
Application number: CN201610646542.5A
Authority: CN
Inventors: 操轶
Original assignee: Individual
Current assignee: Individual
Priority date: 2016-08-10
Filing date: 2016-08-10
Publication date: 2018-02-23

Abstract

本发明实施例提供了一种基于无人飞行器的拥堵监测方法和无人飞行器，该方法包括：当无人飞行器检测到拥堵监测特征对象时，从所述拥堵监测特征对象中提取航拍操作操作时记录的车辆状态信息和拥堵特征图像数据；将所述车辆状态信息发送至交通调度中心位置；在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据；判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配；若是，则进行拥堵预警。航拍中断前后的两段视频文件可以通过匹配的帧交通图像数据与拥堵特征图像数据进行衔接，避免了拥堵监测不及时的现象。

Description

一种基于无人飞行器的拥堵监测方法和无人飞行器

技术领域

本发明涉及无人飞行器的技术领域，特别是涉及一种基于无人飞行器的拥堵监测方法和一种无人飞行器。

背景技术

随着科技的快速发展，无人飞行器广泛普及，在自然灾害监测与评估、城市规划与市政管理、数字地球以及广告摄影等领域，经常需要无人机进行航拍。

无人飞行器可通过成像设备采集道路交通视频信息，这些视频信息具有明显的时空属性，如车辆换道、加速、减速以及交通流的流量、速度和密度参数等。

然而，现有传统的交通流特性调查主要采用对交通量、车速、密度等分别进行调查的方法，在调查过程及数据处理上需要大量的人力和物力，通信距离短、抗干扰能力弱、安全性难以保证。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于无人飞行器的拥堵监测方法和相应的一种无人飞行器。

依据本发明的一个方面，提供了一种基于无人飞行器的拥堵监测方法，包括：

当无人飞行器检测到拥堵监测特征对象时，从所述拥堵监测特征对象中提取航拍操作操作时记录的车辆状态信息和拥堵特征图像数据；

将所述车辆状态信息发送至交通调度中心位置；

在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据；

判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配；若是，则进行拥堵预警。

可选地，还包括：

在无人飞行器检测到满足预设的拥堵监测条件时，进行数据预处理操作；

记录进行数据预处理操作时的车辆状态信息和拥堵特征图像数据；

基于所述车辆状态信息和所述拥堵特征图像数据生成拥堵监测特征对象。

可选地，所述拥堵监测条件包括如下的一种或多种：

车辆密度高于预设的车辆密度阈值，车流量平均车流量高于预设的车流量阈值。

可选地，所述车辆状态信息包括经纬度和车流量；

所述将所述车辆状态信息发送至交通调度中心位置的步骤包括：

将所述经纬度和车辆状态信息发送至子交通调度位置；

在所述子交通调度位置上，将所述车流量发送至航拍操作的垂直位置。

可选地，所述车辆状态信息包括拍摄角度；

所述在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据的步骤包括：

在所述交通调度中心位置中，将所述拍摄角度调整拍摄装置；

调用调整之后的拍摄装置提取一帧或多帧交通图像数据。

可选地，所述判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配的步骤包括：

提取所述一帧或多帧交通图像数据边缘的第一区域图像数据；

提取所述拥堵特征图像数据边缘的第二区域图像数据；

判断所述第一区域图像数据与所述第二区域图像数据是否匹配；

若是，则判定所述交通图像数据与所述拥堵特征图像数据匹配；

若否，则判定所述交通图像数据与所述拥堵特征图像数据不匹配。

可选地，还包括：

分析进行拥堵预警之前提取的一帧或多帧交通图像数据；

存储进行拥堵预警之后提取的一帧或多帧交通图像数据。

可选地，还包括：

向遥控器发送开始航拍操作的信号。

根据本发明的另一方面，提供了一种无人飞行器，包括：

拥堵监测数据读取模块，适于在无人飞行器检测到拥堵监测特征对象时，从所述拥堵监测特征对象中提取航拍操作操作时记录的车辆状态信息和拥堵特征图像数据；

飞行模块，适于将所述车辆状态信息发送至交通调度中心位置；

拍摄模块，适于在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据；

图像匹配模块，适于判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配；若是，则调用航拍模块；

预警模块，适于进行拥堵预警。

可选地，还包括：

航拍停止模块，适于在无人飞行器检测到满足预设的拥堵监测条件时，进行数据预处理操作；

拥堵监测数据记录模块，适于记录进行数据预处理操作时的车辆状态信息和拥堵特征图像数据；

拥堵监测特征对象生成模块，适于基于所述车辆状态信息和所述拥堵特征图像数据生成拥堵监测特征对象。

可选地，所述拥堵监测条件包括如下的一种或多种：

可选地，所述车辆状态信息包括经纬度和车流量；

所述飞行模块还适于：

将所述经纬度和车辆状态信息发送至子交通调度位置；

可选地，所述车辆状态信息包括拍摄角度；

所述拍摄模块还适于：

调用调整之后的拍摄装置提取一帧或多帧交通图像数据。

可选地，所述图像匹配模块还适于：

提取所述拥堵特征图像数据边缘的第二区域图像数据；

可选地，还包括：

交通图像数据分析模块，适于分析进行拥堵预警之前提取的一帧或多帧交通图像数据；

交通图像数据存储模块，适于存储进行拥堵预警之后提取的一帧或多帧交通图像数据。

可选地，还包括：

信号发送模块，适于向遥控器发送开始航拍操作的信号。

本发明实施例按照车辆状态信息发送至交通调度中心位置，并提取一帧或多帧交通图像数据，与停止航拍时的拥堵特征图像数据进行匹配，以在合适的状态进行拥堵预警，航拍中断前后的两段视频文件可以通过匹配的帧交通图像数据与拥堵特征图像数据进行衔接，避免了拥堵监测不及时的现象。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的一种基于无人飞行器的拥堵监测方法实施例1的步骤流程图；

图2示出了根据本发明一个实施例的一种基于无人飞行器的拥堵监测方法实施例2的步骤流程图；以及

图3示出了根据本发明一个实施例的一种无人飞行器实施例的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

参照图1，示出了根据本发明一个实施例的一种基于无人飞行器的拥堵监测方法实施例1的步骤流程图，具体可以包括如下步骤：

步骤101，当无人飞行器检测到拥堵监测特征对象时，从所述拥堵监测特征对象中提取航拍操作操作时记录的车辆状态信息和拥堵特征图像数据；

需要说明的是，本发明实施例可以应用于无人飞行器（Unmanned Aerial Vehicle，UAV）中，即利用无线遥控或程序控制来执行特定航空任务的飞行器，其不搭载操作人员，采用空气动力为飞行器提供所需的升力，能够自动飞行或远程引导。

在具体实现中，无人飞行器具有位置传感器和摄像头，在先可以在进行数据预处理操作时，可以通过位置传感器记录车辆状态信息（即记录停止飞行时状态的信息），以及，调用摄像头拍摄一帧拥堵特征图像数据。

将车辆状态信息和拥堵特征图像数据生成拥堵监测特征对象，存储在数据库中。

若当前飞行时检测到拥堵监测特征对象，则可以表示当前需要进行拥堵监测。

步骤102，将所述车辆状态信息发送至交通调度中心位置；

在本发明实施例中，车辆状态信息可以包括前车和/或后车的行驶速度、前车和/或后车与本车的距离、行车路况标识信息、道路环境信息；具体而言，无人飞行器中的位置传感器可以包括地理定位模块，例如，GPS（Global Positioning System，全球定位系统）模块、北斗模块等，通过该地理定位模块，可以识别无人飞行器在停止航拍时所处的经纬度。

本实施例中，上述的车辆状态信息还可以包括白天12h交通量、高峰小时交通量、高峰小时流量比、高峰小时系数、道路方向分布系数、繁忙方向交通量占合计交通量的比率以及右转、直行和左转弯车流比率等等。

此外，无人飞行器中的位置传感器还可以包括车流量传感器，例如，气压车流量传感器等，可以识别无人飞行器在停止航拍时所处的车流量。

因此，若检测到拥堵监测特征对象，所述将所述车辆状态信息发送至交通调度中心位置的步骤包括：

将所述经纬度和车辆状态信息发送至子交通调度位置。

其中，本发明实施例中，需要按照经纬度等地理位置信息将无人飞行器提取到的车辆状态信息，通过GPS（Global Positioning System，全球定位系统）模块、北斗模块等，分配到地理位置信息最近的子调度位置，具体的，可以根据地理位置信息，如经度和维度信息，以该经维度为坐标中心点，确定该子交通调度位置周围的预定范围为第一位置区块，例如，确定坐标中心点周围100公里×100公里的地理范围为第一位置区块；随后，在预置的区块应用列表中查找确定位于第一位置区块中的用户相应的车辆状态信息。

在子交通调度位置，需要对位置区块中的车辆信息进行汇总、建模，抽取出其中的车辆状态信息，并准备好针对各种不同的车辆状态信息的预警方案，并实时的保持和交通调度中心位置的数据同步。本实施例中，根据上述计算所得到的平均车辆数以及对应第一位置区块所对应的路段长度，可以计算当前所述检测周期内的交通流密度。其中，具体的计算方式及过程不限。比如对第一位置区块所对应的路段的车道数、车道长度等进行标准化处理等。通过计算每帧样本图像中进入该第一位置区块内的平均车辆数量得到。也即在检测周期内获取多个时刻进入第一位置区块内的车辆数，然后求取算数平均值。例如在子交通调度位置在检测周期5min内5次捕捉到的进入第一位置区块内的车辆数分别为18辆、32辆、 23辆、37辆、20辆，则反映出的在本检测周期5min内进入第一位置区块内的平均车辆数为24辆。第一位置区块需要根据目标道路的结构特征来划定，并且还需要标定出对应的目标道路的路段长度，以便于后续计算。

最终将子交通调度位置获取到的数据传送到交通调度中心位置。

在子调度中心位置对车辆状态信息进行分析处理，可以节省交通调度中心位置的处理负荷，减少运营的成本。

步骤103，在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据；

虽然当前按照飞行轨迹信息飞行，但是，也无法确保一定与先停止航拍的位置完全重合，两者飞行的位置多多少少会存在差异，因此，为了提高前后两次飞行时所拍摄的录像衔接得更加准确，可以按照车辆状态信息发送至与停止航拍的位置附近的位置，在该附近的位置对拍摄角度进行微调。

在具体实现中，车辆状态信息可以包括拍摄角度。

具体而言，无人飞行器中的摄像头安装在云台上，即安装、固定摄像头的支撑设备。

因此，在所述交通调度中心位置中，按照该拍摄角度调整拍摄装置，调用调整之后的拍摄装置提取一帧或多帧交通图像数据。

步骤104，判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配；若是，则执行步骤105；

步骤105，进行拥堵预警。

在本发明实施例中，可以计算交通图像数据与拥堵特征图像数据之间的相似度，若相似度大于或等于预设的相似度阈值，认为两者匹配、前后衔接，则可以以该交通图像数据作为起始点继续在先的航拍操作。

若相似度小于该相似度阈值，认为两者不匹配，前后不衔接，由于交通图像数据是持拥堵监测摄的，因此，此时可以重新计算另一帧交通图像数据与拥堵特征图像数据之间的相似度，直至两者匹配。

其中，相似度可以用于对于两帧图像数据（交通图像数据与拥堵特征图像数据）之间内容的相似程度进行打分，根据分数的高低来判断图像数据内容的相近程度。

本发明实施例，可以对图像数据（交通图像数据与拥堵特征图像数据）进行整体对比，即对图像数据（交通图像数据与拥堵特征图像数据）整体计算相似度。

进一步而言，可以通过如下方式计算图像数据（交通图像数据与拥堵特征图像数据）之间整体的相似度：

一、基于直方图计算相似度；

假设具有图像数据A和图像数据B，分别计算两幅图像的直方图，HistA，HistB，然后计算两个直方图的归一化相关系数（如巴氏距离，直方图相交距离等等），获得相似度。

这种方式是基于向量之间的差异来进行图像相似程度的度量，直方图能够很好的归一化，比如通常的256个bin条的。

那么两帧分辨率不同的图像数据可以直接通过计算直方图来计算相似度很方便。

二、基于矩阵分解计算相似度；

图像数据本身就是一个矩阵，可以依靠矩阵分解，如SVD（Singular ValueDecomposition，奇异值分解）、NMF（Non-negative Matrix Factorization，非负矩阵分解）来提取矩阵中一些代表这个矩阵元素值和分布的一些鲁棒性特征来对图像数据的相似度进行计算。

三、基于特征点计算相似度。

每一帧图像数据都有自己的特征点，这些特征点表征图像数据中比较重要的一些位置，如Harris角点和Sift特征点等等。

那么，将得到的图像数据的特征点进行比较，如果相似的特征点数目较多，那么可以认为这两帧图像数据的相似程度较高。

此外，由于无人飞行器已经发送至与先进行数据预处理操作的位置附近的位置，交通图像数据与拥堵特征图像数据之间相差不大，因此，为了减少计算量，可以通过交通图像数据与拥堵特征图像数据之间边缘的对比，判断交通图像数据与拥堵特征图像数据是否匹配。

具体而言，可以提取一帧或多帧交通图像数据边缘的第一区域图像数据，提取拥堵特征图像数据边缘的第二区域图像数据，判断第一区域图像数据与所述第二区域图像数据是否匹配。

若是，则判定该交通图像数据与该拥堵特征图像数据匹配，若否，则判定该交通图像数据与该拥堵特征图像数据不匹配。

参照图2，示出了根据本发明一个实施例的一种基于无人飞行器的拥堵监测方法实施例2的步骤流程图，具体可以包括如下步骤：

步骤401，在无人飞行器检测到满足预设的拥堵监测条件时，进行数据预处理操作；

应用本发明实施例，可以预先设置拥堵监测条件，在满足该拥堵监测条件时，可以停止当前的航拍操作，对无人飞行机进行调整，如下降并更换电池/充电等。

在具体实现中，该拥堵监测条件可以包括如下的一种或多种：

当然，除上述拥堵监测条件之外，本领域技术人员还可以根据实际情况设置其他拥堵监测条件，如接收到遥控器发出的进行数据预处理操作的指令等等，本发明实施例对此不加以限制。

步骤402，记录进行数据预处理操作时的车辆状态信息和拥堵特征图像数据；

在具体实现中，无人飞行器中可以通过地理定位模块，例如，GPS（Global PositioningSystem，全球定位系统）模块、北斗模块等，识别无人飞行器在停止航拍时所处的经纬度。

此外，还可以通过车流量传感器，例如，气压车流量传感器等，识别无人飞行器在停止航拍时所处的车流量。

并且，在停止航拍时调用摄像头拍摄一帧拥堵特征图像数据。

本发明实施例中，进行数据预处理操作之后，无人飞行器将记录进行数据预处理操作时的车辆状态信息和拥堵特征图像数据；基于所述车辆状态信息和所述拥堵特征图像数据生成拥堵监测特征对象。

步骤403，基于所述车辆状态信息和所述拥堵特征图像数据生成拥堵监测特征对象；

在具体实现中，车辆状态信息可以写入拥堵特征图像数据生成中，如直接嵌入拥堵特征图像数据上，或者，作为拥堵特征图像数据的名称等，即拥堵监测特征对象为单一的图像文件。

车辆状态信息也可以独立于拥堵特征图像数据存储，如记载在xml（ExtensibleMarkup Language，可扩展标记语言）文件或其他文件中，即拥堵监测特征对象为多个文件的集合。

步骤404，当无人飞行器检测到拥堵监测特征对象时，从所述拥堵监测特征对象中提取航拍操作操作时记录的车辆状态信息和拥堵特征图像数据；

步骤405，将所述车辆状态信息发送至交通调度中心位置；

步骤406，在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据；

步骤407，判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配；若是，则执行步骤408；

步骤408，进行拥堵预警；

步骤409，向遥控器发送开始航拍操作的信号；

在本发明实施例中，可以向遥控器发送开始航拍操作的信号，提示进行拥堵预警，让用户通过遥控器可对无人飞行器进行控制。

步骤410，分析进行拥堵预警之前提取的一帧或多帧交通图像数据；

步骤411，存储进行拥堵预警之后提取的一帧或多帧交通图像数据。

在本发明实施例中，进行拥堵预警之前提取的一帧或多帧交通图像数据，与拥堵特征图像数据不匹配，无法作为起始点，可以直接分析。

进行拥堵预警之后提取的一帧或多帧交通图像数据，与拥堵特征图像数据匹配，可以作为起始点，存储之后可以通过编码等处理，生成视频文件。

拥堵监测前后的两段视频文件，可以通过匹配的帧交通图像数据与拥堵特征图像数据进行衔接，避免了拥堵监测不及时的现象。

对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图3，示出了根据本发明一个实施例的一种无人飞行器实施例的结构框图，具体可以包括如下模块：

拥堵监测数据读取模块501，适于在无人飞行器检测到拥堵监测特征对象时，从所述拥堵监测特征对象中提取航拍操作操作时记录的车辆状态信息和拥堵特征图像数据；

飞行模块502，适于将所述车辆状态信息发送至交通调度中心位置；

拍摄模块503，适于在所述交通调度中心位置中，将所述车辆状态信息提取一帧或多帧交通图像数据；

图像匹配模块504，适于判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配；若是，则调用航拍模块505；

预警模块505，适于进行拥堵预警。

在本发明的一种可选实施例中，该无人飞行器还可以包括如下模块：

在具体实现中，所述拥堵监测条件可以包括如下的一种或多种：

在本发明的一种可选实施例中，所述车辆状态信息包括前车和/或后车的行驶速度、前车和/或后车与本车的距离、行车路况标识信息、道路环境信息；所述飞行模块502还可以适于：

将所述经纬度和车辆状态信息发送至子交通调度位置。在本发明的一种可选实施例中，所述车辆状态信息可以包括拍摄角度；

所述拍摄模块503还可以适于：

调用调整之后的拍摄装置提取一帧或多帧交通图像数据。

在本发明的一种可选实施例中，所述图像匹配模块504还可以适于：

提取所述拥堵特征图像数据边缘的第二区域图像数据；

信号发送模块，适于向遥控器发送开始航拍操作的信号。

对于无人飞行器实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的基于无人飞行器的拥堵监测设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims

1.一种基于无人飞行器的拥堵监测方法，包括：

将所述车辆状态信息发送至交通调度中心位置；

2.如权利要求1所述的方法，其特征在于，还包括：

3.如权利要求2所述的方法，其特征在于，所述拥堵监测条件包括如下的一种或多种：

4.如权利要求1或2或3所述的方法，其特征在于，所述车辆状态信息包括：

前车和/或后车的行驶速度、前车和/或后车与本车的距离、行车路况标识信息、道路环境信息；

将所述经纬度和车辆状态信息发送至子交通调度位置。

5.如权利要求1或2或3所述的方法，其特征在于，所述车辆状态信息包括拍摄角度；

调用调整之后的拍摄装置提取一帧或多帧交通图像数据。

6.如权利要求1所述的方法，其特征在于，所述判断所述一帧或多帧交通图像数据与所述拥堵特征图像数据是否匹配的步骤包括：

提取所述拥堵特征图像数据边缘的第二区域图像数据；

7.如权利要求1所述的方法，其特征在于，还包括：

分析进行拥堵预警之前提取的一帧或多帧交通图像数据；

存储进行拥堵预警之后提取的一帧或多帧交通图像数据。

8.如权利要求1或2或3或6或7所述的方法，其特征在于，还包括：

向遥控器发送开始航拍操作的信号。

9.一种无人飞行器，包括：

预警模块，适于进行拥堵预警。

10.如权利要求9所述的无人飞行器，其特征在于，还包括：

11.如权利要求10所述的无人飞行器，所述拥堵监测条件包括如下的一种或多种：

车辆密度高于预设的车辆密度阈值，平均车流量高于预设的车流量阈值。

12.如权利要求9或10或11所述的无人飞行器，所述车辆状态信息包括前车和/或后车的行驶速度、前车和/或后车与本车的距离、行车路况标识信息、道路环境信息；

将所述经纬度和车辆状态信息发送至子交通调度位置。

13.如权利要求9或权利要求10或权利要求11所述的无人飞行器，所述车辆状态信息包括拍摄角度；

所述拍摄模块还适于：

调用调整之后的拍摄装置提取一帧或多帧交通图像数据。

14.如权利要求9所述的无人飞行器，所述图像匹配模块还适于：

提取所述拥堵特征图像数据边缘的第二区域图像数据；

15.如权利要求9所述的无人飞行器，还包括：

16.如权利要求9或权利要求10或权利要求11或权利要求14或权利要求15所述的无人飞行器，还包括：

信号发送模块，适于向遥控器发送开始航拍操作的信号。