CN110349406A - 一种拥堵源头成因检测方法及系统 - Google Patents

Abstract

本发明提供了一种拥堵源头成因检测方法及系统，该方法包括：获取目标路段的拥堵源头的位置信息；根据位置信息确定距离其最近的无人机巡航区，无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机；获取无人机巡航区内的无人机信息；向无人机发送起飞指令以控制无人机到达拥堵源头的位置采集拥堵图像信息；根据拥堵图像信息确定拥堵源头的拥堵源头成因。通过实施本发明，在发现交通拥堵时，利用无人机采集拥堵图像信息以快速确定造成该交通拥堵的原因，对拥堵源头进行针对性的有效处理奠定了基础，便于交通部门对及时掌握拥堵情况，对改善交通拥堵提供重要的依据，进而保证了交通管理部门处理事故的实时性和有效性。

Description

一种拥堵源头成因检测方法及系统

技术领域

本发明涉及公安交通管理领域，具体涉及一种拥堵源头成因检测方法及系统。

背景技术

随着我国经济的快速发展，人们的生活水平不断提高，交通需求日益增长，尤其是自驾车出行已成为日常生活不可缺失部分，导致交通供给失衡，高峰时间交通拥堵已成为常态。如何在发生拥堵时，快速确定拥堵源头位置和成因是有效缓解当前时刻交通拥堵的关键。

目前，如何快速确定拥堵源头成因方面只局限通过设置在道路上的摄像头获取拥堵源头成因。在不具备设置摄像头条件的高速公路、省级公路及郊区道路等，当发现道路拥堵源头后，也无法快速确定道路拥堵源头成因，进而难以快速对拥堵源头进行针对性的有效处理，容易造成更为严重的交通拥堵，影响交通状况。

随着无人机技术的应用领域越来越广泛，公安交通管理部门将无人机应用于道路巡逻，可以在缺乏视频监控的道路进行巡检，在无人机的巡逻过程中可以发现道路的某个位置出现拥堵源头，但是这些无人机需要建一个停机坪，巡逻过程都是由通过培训考试合格的操控人员操控无人机从停机坪出发，进行巡逻，受到无人机数量及巡逻周期的影响，现有无人机也难以及时发现道路拥堵源头及其成因。

发明内容

本发明实施例提供了一种拥堵源头成因检测方法及系统，以克服现有技术中在发现道路拥堵源头后，无法快速确定道路拥堵源头成因的问题。

本发明实施例提供了一种拥堵源头成因检测方法，包括：获取目标路段的拥堵源头的位置信息；根据所述位置信息确定距离其最近的无人机巡航区，所述无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机；获取所述无人机巡航区内的无人机信息；向所述无人机发送起飞指令以控制所述无人机到达所述拥堵源头的位置采集拥堵图像信息；根据所述拥堵图像信息确定所述拥堵源头的拥堵源头成因。

可选地，所述根据所述拥堵图像信息确定所述拥堵源头的拥堵源头成因，包括：判断所述拥堵图像信息是否符合拥堵源头成因的预设判断条件；当所述拥堵图像信息符合拥堵源头成因的预设判断条件时，根据所述预设判断条件确定所述拥堵源头的拥堵源头成因。

可选地，所述拥堵源头成因检测方法还包括：当所述拥堵图像信息不符合拥堵源头成因的预设判断条件时，根据所述拥堵图像信息生成图像采集调整指令；根据所述图像采集调整指令控制所述无人机到达所述拥堵源头的位置重新采集拥堵图像信息，并返回判断所述拥堵图像信息是否符合拥堵源头成因的预设判断条件的步骤。

可选地，所述拥堵源头成因检测方法还包括：根据所述无人机的预设起降点的坐标信息及所述无人机的当前位置信息，生成返航指令；根据所述返航指令控制所述无人机在所述预设起降点降落。

可选地，所述预设起降点上设置有十字图形，所述十字图形为所述无人机的标准停放位置；所述无人机上设置有用于指引所述无人机进行起降的图像采集设备，所述图像采集设备的视频画面中心设置有十字线形；所述十字图形及所述十字线形用于指引所述无人机降落至所述标准停放位置。

可选地，当所述无人机根据所述控制指令飞行至所述预设起降点上空时，所述拥堵源头成因检测方法还包括：判断所述十字图形是否完整进入所述图像采集设备的视频画面中；当所述十字图形完整进入所述图像采集设备的视频画面中时，根据所述十字图形在所述视频画面中的位置，调整所述无人机的飞行姿态，直至所述十字图形的中心点位于所述十字线形的中心；判断所述十字图形与所述十字线形的方向是否一致；当所述十字图形与所述十字线形的方向一致时，测量所述无人机的飞行高度，并根据所述飞行高度控制所述无人机降落至所述标准停放位置。

可选地，当所述十字图形与所述十字线形的方向不一致时，根据所述十字图形与所述十字线形之间的夹角，调整所述无人机的飞行姿态，直至所述十字图形与所述十字线形的方向一致。

本发明实施例还提供了一种拥堵源头成因检测系统，包括：位置信息获取模块，获取目标路段的拥堵源头的位置信息；无人机巡航区确定模块，用于根据所述位置信息确定距离其最近的无人机巡航区，所述无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机；无人机信息获取模块，用于获取所述无人机巡航区内的无人机信息；拥堵图像信息采集模块，用于向所述无人机发送起飞指令以控制所述无人机到达所述拥堵源头的位置采集拥堵图像信息；拥堵源头成因确定模块，用于根据所述拥堵图像信息确定所述拥堵源头的拥堵源头成因。

本发明实施例还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行上述的拥堵源头成因检测方法。

本发明实施例还提供了一种计算机设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述的拥堵源头成因检测方法。

本发明技术方案，具有如下优点：

本发明实施例提供的拥堵源头成因检测方法，通过获取目标路段拥堵源头的位置信息，以确定最近的无人机巡航区，进而获取该无人机巡航区的无人机信息，并向该无人机巡航区的无人机发送起飞指令以控制该无人机到达拥堵源头的位置采集拥堵图像信息，并根据采集的拥堵图像信息确定拥堵源头的拥堵源头成因。从而在发现交通拥堵时，可以利用无人机采集拥堵图像信息以快速确定造成该交通拥堵的原因，为对拥堵源头进行针对性的有效处理奠定了基础，便于交通部门对及时掌握拥堵情况，对改善交通拥堵提供重要的依据，进而保证了交通管理部门处理事故的实时性和有效性。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中拥堵源头成因检测方法的流程图；

图2为本发明实施例中根据拥堵图像信息确定拥堵源头的拥堵源头成因的具体流程图；

图3为本发明实施例中拥堵源头成因检测方法的另一流程图；

图4为本发明实施例中拥堵源头成因检测系统的结构示意图；

图5为本发明实施例中计算机设备的结构示意图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。

实施例1

本发明实施例提供了一种拥堵源头成因检测方法，如图1所示，该基于拥堵源头成因检测方法包括：

步骤S1：获取目标路段的拥堵源头的位置信息。在实际应用中，该目标路段可为交通拥堵频发路段或预设的监控路段等，在该目标路段上设置有多个预设道路检测点，用于监测该目标路段的交通状况，当目标路段的某个预设道路检测点监测到拥堵后，获取该预设道路检测点的位置信息作为拥堵源头的位置信息。

步骤S2：根据位置信息确定距离其最近的无人机巡航区，无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机。在实际应用中，为了合理利用巡航的无人机来执行巡航任务，将无人机的巡航区间隔设置在目标路段周围，具体地，可以按照上述预设道路检测点的位置进行设置，通过设置在预设道路检测点附近以便于在发现交通拥堵状况时无人机可以快速响应。

步骤S3：获取无人机巡航区内的无人机信息。在实际应用中个，该无人机信息包括：该无人机巡航区剩余的可接受巡航任务的无人机的个数、无人机的巡航能力及无人机的控制编号等信息，根据这些信息确定执行巡航任务的无人机。

步骤S4：向无人机发送起飞指令以控制无人机到达拥堵源头的位置采集拥堵图像信息。在实际应用中，当确定执行巡航任务的无人机后，根据拥堵源头的位置信息生成上述起飞指令，以控制该无人机到达拥堵源头的位置，在无人机上设置有图像采集设备例如摄像机等，采集上述拥堵源头处的拥堵图像信息，并将该拥堵图像信息反馈给处理器。

步骤S5：根据拥堵图像信息确定拥堵源头的拥堵源头成因。在实际应用中，在接收到无人机的图像采集设备所采集的拥堵图像信息后，对该拥堵图像信息进行处理，以确定该拥堵源头的拥堵源头成因。具体地，该拥堵源头成因包括：交通事故、车辆出行分布不均衡、车辆使用不合理，在节假日过度集中使用等等。

通过上述的步骤S1至步骤S5，本发明实施例提供的拥堵源头成因检测方法，通过获取目标路段拥堵源头的位置信息，以确定最近的无人机巡航区，进而获取该无人机巡航区的无人机信息，并向该无人机巡航区的无人机发送起飞指令以控制该无人机到达拥堵源头的位置采集拥堵图像信息，并根据采集的拥堵图像信息确定拥堵源头的拥堵源头成因。从而在发现交通拥堵时，可以利用无人机采集拥堵图像信息以快速确定造成该交通拥堵的原因，为对拥堵源头进行针对性的有效处理奠定了基础，便于交通部门对及时掌握拥堵情况，对改善交通拥堵提供重要的依据，进而保证了交通管理部门处理事故的实时性和有效性。

以下将结合具体应用示例，对本发明实施例提供的拥堵源头成因检测方法进行详细的说明。

在一可选实施例中，如图2所示，上述的步骤S5，根据拥堵图像信息确定拥堵源头的拥堵源头成因，具体包括：

步骤S51：判断拥堵图像信息是否符合拥堵源头成因的预设判断条件。在实际应用中，该预设判断条件可以根据不同原因造成的交通拥堵所显现的不同的图像画面来进行判断，例如：机动车发生交通事故造成的交通拥堵，则图像中的画面为事故车辆的前方挡路无拥堵，事故车辆的后方出现大量车辆，则说明该拥堵源头的成因为交通事故造成的拥堵。需要说明的是，该预设判断条件的个数可以根据需要进行设置为多个，本发明并不以此为限。

步骤S52：当拥堵图像信息符合拥堵源头成因的预设判断条件时，根据预设判断条件确定拥堵源头的拥堵源头成因。在实际应用中，如果通过对拥堵图像信息进行处理，发现该拥堵图像信息符合某一个预设的判断条件，则根据该预设判断条件确定拥堵源头的拥堵源头成因。

步骤S53：当拥堵图像信息不符合拥堵源头成因的预设判断条件时，根据拥堵图像信息生成图像采集调整指令。在实际应用中，如果采集的拥堵图像信息不符合所有预设判断条件，则说明该无人机采集的拥堵图像信息不准确，例如：无人机没有飞至拥堵源头位置进行拍摄，或者无人机采集图像信息的角度出现偏差，没有将包含拥堵源头的图像信息采集到，此时，根据该无人机的拥堵图像信息得到图像采集调整指令，以调整无人机的飞行姿态及拥堵图像信息的采集位置等。

步骤S54：根据图像采集调整指令控制无人机到达拥堵源头的位置重新采集拥堵图像信息，并返回步骤S51。具体地，通过调整无人机的拍摄位置及拍摄角度后，重新采集拥堵图像信息，并对在此采集的拥堵图像信息进行判断直至确定该拥堵源头的拥堵源头成因。

在一可选实施例中，如图3所示，上述的拥堵源头成因检测方法还包括：

步骤S6：根据无人机的预设起降点的坐标信息及无人机的当前位置信息，生成返航指令。在实际应用中，当上述的无人机在采集完上述的拥堵图像信息，并且根据该拥堵图像信息确定拥堵源头成因后，该无人机完成任务，需要进行返航，根据该无人机预设起降点的坐标信息及该无人机当前的位置信息得到该无人机的返航指令。

步骤S7：根据返航指令控制无人机在预设起降点降落。在实际应用中，可以根据上述的返航指令控制该无人机在预设起降点降落，至此无人机的任务执行完毕。

具体地，在实际应用中，预设起降点上设置有十字图形，十字图形为无人机的标准停放位置；无人机上设置有用于指引无人机进行起降的图像采集设备，图像采集设备的视频画面中心设置有十字线形；十字图形及十字线形用于指引无人机降落至标准停放位置。

在一可替换实施方式中，当上述的无人机根据返航指令飞行至预设起降点上空时，上述的拥堵源头成因检测方法可通过以下过程实现无人机的精准降落。

判断十字图形是否完整进入图像采集设备的视频画面中。在实际应用中，该图像采集设备可设置于无人机的正下方，采集无人机下方的视频画面，如果预设起降点上设置的十字图像完整出现在视频画面中，则说明该无人机的当前位置已经在预设起降点的位置附近可以准备降落，如果预设起降点上设置的十字图像没有完整出现在视频画面中或者没有出现在视频画面中则说明该无人机的当前飞行位置距离预设起降点的位置偏差较大，需要根据该无人机的当前位置信息重新调整无人机的飞行指令，控制无人机调整飞行路线直至预设起降点上设置的十字图像完整出现在视频画面中，然后执行下一步。

当十字图形完整进入图像采集设备的视频画面中时，根据十字图形在视频画面中的位置，调整无人机的飞行姿态，直至十字图形的中心点位于十字线形的中心。在实际应用中，如果预设起降点上设置的十字图形与视频画面中的十字线形的中心重合则说明该无人机位于预设标准停放位置的正上方，如果中心点的位置没有预视频画面中十字线形的中心点重合，则说明该无人机与预设标准停放位置有偏差，可以根据该十字图形在视频画面中的位置对无人机的飞行姿态进行调整，直至无人机位于预设标准停放位置的正上方。

判断十字图形与十字线形的方向是否一致。在实际应用中，进一步的无人机在预设变质停放位置的机身及旋翼具有标准化的的停放方向，因此，可以通过判断上述十字图形与十字线形的方向是否一致，来判断该无人机的停放方向是否符合标准。

当十字图形与十字线形的方向一致时，测量无人机的飞行高度，并根据飞行高度控制无人机降落至标准停放位置。在实际应用中，如果十字图形与十字线形的方向一致则说明该无人机可以按照当前的飞行姿态进行降落，获取无人机的放弃飞行高度，根据该高度控制无人机垂直降落即可将无人机降落至标准停放位置。

当十字图形与十字线形的方向不一致时，根据十字图形与十字线形之间的夹角，调整无人机的飞行姿态，直至十字图形与十字线形的方向一致。在实际应用中，如果方向不一致，则说明该无人机的飞行姿态需要进行调整，具体地，可以根据视频画面中十字图形与十字线形之间的夹角，调整无人机的飞行姿态，直至十字图形与十字线形的方向一致。

从而通过在预设起降点设置十字图形及无人机的视频画面中设置十字线形，利用无人机的视频采集画面对无人机的降落过程进行控制，实现了无人机的精准降落，为无人机的放置管理及后续无人机重新执行巡航任务时对无人机的精准控制提供基础，降低了无人机停机坪的要求，使得无人机可以在狭小的停机空间内实现精准降落，节约了土地资源。

通过上述的步骤S1至步骤S7，本发明实施例提供的拥堵源头成因检测方法，通过获取目标路段拥堵源头的位置信息，以确定最近的无人机巡航区，进而获取该无人机巡航区的无人机信息，并向该无人机巡航区的无人机发送起飞指令以控制该无人机到达拥堵源头的位置采集拥堵图像信息，并根据采集的拥堵图像信息确定拥堵源头的拥堵源头成因。从而在发现交通拥堵时，可以利用无人机采集拥堵图像信息以快速确定造成该交通拥堵的原因，为对拥堵源头进行针对性的有效处理奠定了基础，便于交通部门对及时掌握拥堵情况，对改善交通拥堵提供重要的依据，进而保证了交通管理部门处理事故的实时性和有效性。此外，还实现了无人机的精准降落，为无人机的放置管理及后续无人机重新执行巡航任务时对无人机的精准控制提供基础，降低了无人机停机坪的要求，使得无人机可以在狭小的停机空间内实现精准降落，节约了土地资源。

实施例2

本发明实施例提供了一种拥堵源头成因检测系统，如图4所示，该拥堵源头成因检测系统包括：

位置信息获取模块1，用于获取目标路段的拥堵源头的位置信息。详细内容参见实施例1中步骤S1的相关描述。

无人机巡航区确定模块2，用于根据位置信息确定距离其最近的无人机巡航区，无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机。详细内容参见实施例1中步骤S2的相关描述。

无人机信息获取模块3，用于获取无人机巡航区内的无人机信息。详细内容参见实施例1中步骤S3的相关描述。

拥堵图像信息采集模块4，用于向无人机发送起飞指令以控制无人机到达拥堵源头的位置采集拥堵图像信息。详细内容参见实施例1中步骤S4的相关描述。

拥堵源头成因确定模块5，用于根据拥堵图像信息确定拥堵源头的拥堵源头成因。详细内容参见实施例1中步骤S5的相关描述。

通过上述各个组成部分的协同合作，本发明实施例提供的拥堵源头成因检测系统，通过获取目标路段拥堵源头的位置信息，以确定最近的无人机巡航区，进而获取该无人机巡航区的无人机信息，并向该无人机巡航区的无人机发送起飞指令以控制该无人机到达拥堵源头的位置采集拥堵图像信息，并根据采集的拥堵图像信息确定拥堵源头的拥堵源头成因。从而在发现交通拥堵时，可以利用无人机采集拥堵图像信息以快速确定造成该交通拥堵的原因，为对拥堵源头进行针对性的有效处理奠定了基础，便于交通部门对及时掌握拥堵情况，对改善交通拥堵提供重要的依据，进而保证了交通管理部门处理事故的实时性和有效性。

实施例3

本发明实施例提供一种非暂态计算机存储介质，该计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的拥堵源头成因检测方法，其中，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard DiskDrive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；该存储介质还可以包括上述种类的存储器的组合。

本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。

实施例4

本发明实施例提供一种计算机设备，其结构示意图如图5所示，该计算机设备包括：一个或多个处理器410以及存储器420，图5中以一个处理器410为例。

上述的计算机设备还可以包括：输入装置430和输出装置440。

处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接，图5中以通过总线连接为例。

处理器410可以为中央处理器(Central Processing Unit，CPU)。处理器410还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器420作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本申请实施例中的拥堵源头成因检测方法对应的程序指令/模块，处理器410通过运行存储在存储器420中的非暂态软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的拥堵源头成因检测方法。

存储器420可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据拥堵源头成因检测方法的处理装置的使用所创建的数据等。此外，存储器420可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器420可选包括相对于处理器410远程设置的存储器，这些远程存储器可以通过网络连接至拥堵源头成因检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置430可接收输入的数字或字符信息，以及产生与拥堵源头成因检测操作的处理装置有关的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。

一个或者多个模块存储在存储器420中，当被一个或者多个处理器410执行时，执行如图1-图3所示的方法。

上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节，具体可参见如图1-图3所示的实施例中的相关描述。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (10)

1.一种拥堵源头成因检测方法，其特征在于，包括：

获取目标路段的拥堵源头的位置信息；

根据所述位置信息确定距离其最近的无人机巡航区，所述无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机；

获取所述无人机巡航区内的无人机信息；

向所述无人机发送起飞指令以控制所述无人机到达所述拥堵源头的位置采集拥堵图像信息；

根据所述拥堵图像信息确定所述拥堵源头的拥堵源头成因。

2.根据权利要求1所述的拥堵源头成因检测方法，其特征在于，所述根据所述拥堵图像信息确定所述拥堵源头的拥堵源头成因，包括：

判断所述拥堵图像信息是否符合拥堵源头成因的预设判断条件；

当所述拥堵图像信息符合拥堵源头成因的预设判断条件时，根据所述预设判断条件确定所述拥堵源头的拥堵源头成因。

3.根据权利要求2所述的拥堵源头成因检测方法，其特征在于，还包括：当所述拥堵图像信息不符合拥堵源头成因的预设判断条件时，根据所述拥堵图像信息生成图像采集调整指令；

根据所述图像采集调整指令控制所述无人机到达所述拥堵源头的位置重新采集拥堵图像信息，并返回判断所述拥堵图像信息是否符合拥堵源头成因的预设判断条件的步骤。

4.根据权利要求1所述的拥堵源头成因检测方法，其特征在于，还包括：

根据所述无人机的预设起降点的坐标信息及所述无人机的当前位置信息，生成返航指令；

根据所述返航指令控制所述无人机在所述预设起降点降落。

5.根据权利要求4所述的拥堵源头成因检测方法，其特征在于，

所述预设起降点上设置有十字图形，所述十字图形为所述无人机的标准停放位置；

所述无人机上设置有用于指引所述无人机进行起降的图像采集设备，所述图像采集设备的视频画面中心设置有十字线形；

所述十字图形及所述十字线形用于指引所述无人机降落至所述标准停放位置。

6.根据权利要求5所述的拥堵源头成因检测方法，其特征在于，当所述无人机根据所述控制指令飞行至所述预设起降点上空时，所述拥堵源头成因检测方法还包括：

判断所述十字图形是否完整进入所述图像采集设备的视频画面中；

当所述十字图形完整进入所述图像采集设备的视频画面中时，根据所述十字图形在所述视频画面中的位置，调整所述无人机的飞行姿态，直至所述十字图形的中心点位于所述十字线形的中心；

判断所述十字图形与所述十字线形的方向是否一致；

当所述十字图形与所述十字线形的方向一致时，测量所述无人机的飞行高度，并根据所述飞行高度控制所述无人机降落至所述标准停放位置。

7.根据权利要求6所述的拥堵源头成因检测方法，其特征在于，还包括：

当所述十字图形与所述十字线形的方向不一致时，根据所述十字图形与所述十字线形之间的夹角，调整所述无人机的飞行姿态，直至所述十字图形与所述十字线形的方向一致。

8.一种拥堵源头成因检测系统，其特征在于，包括：

位置信息获取模块(1)，用于获取目标路段的拥堵源头的位置信息；

无人机巡航区确定模块(2)，用于根据所述位置信息确定距离其最近的无人机巡航区，所述无人机巡航区预先间隔设置在目标路段周围，在每个无人机巡航区至少设置一架无人机；

无人机信息获取模块(3)，用于获取所述无人机巡航区内的无人机信息；

拥堵图像信息采集模块(4)，用于向所述无人机发送起飞指令以控制所述无人机到达所述拥堵源头的位置采集拥堵图像信息；

拥堵源头成因确定模块(5)，用于根据所述拥堵图像信息确定所述拥堵源头的拥堵源头成因。

9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令被处理器执行时实现如权利要求1-7任一项所述的拥堵源头成因检测方法。

10.一种计算机设备，其特征在于，包括：至少一个处理器(410)；以及与所述至少一个处理器(410)通信连接的存储器(420)其中，

所述存储器(420)存储有可被所述至少一个处理器(410)执行的指令，所述指令被所述至少一个处理器(410)执行，以使所述至少一个处理器(410)执行如权利要求1-7任一项所述的拥堵源头成因检测方法。