提供道路拥堵原因的方法和装置

技术领域

本申请涉及车联网领域，更具体地，涉及一种提供道路拥堵原因的方法和装置。

背景技术

尽管道路越来越宽，城市内、城市间高速路、快速路越来越发达，但是车辆的增长速度远远超过了道路的承受能力。交通拥堵问题越来越成为城市中令人焦虑的核心问题。对此，在当前的已有技术方案中，已经能够识别拥堵以及拥堵程度，例如，在地图上用不同的颜色及深浅程度标注拥堵程度，然而，很多城市中长期拥堵的道路的比例高达60％，仍需要进一步解决交通拥堵问题的方案。

伴随着高级辅助驾驶系统(Advanced Driver Assistance Systems,ADAS)及车联网(Vehicle to Everything,V2X)技术的出现，对于车辆行驶中的问题涌现了更多的解决方案。其中，ADAS为用于辅助驾驶的系统，如车载导航系统、自适应巡航控制系统、车道偏离警示系统、换车道辅助系统、防撞警示系统等。所述车联网指车辆之间、车辆与行人或骑行者之间、以及车辆与基础设施之间的通信系统。车辆利用装载在车辆上的各类传感器、摄像头获取车辆行驶情况及周边道路环境信息，借助于GPS等定位方法获得车辆准确位置信息，并通过短距离通信和蜂窝网通信等技术将这些信息进行端对端传输，从而实现车联网系统中的信息共享。ADAS通常通过车载设备实现，同时，车辆通过车载设备加入车联网中，以进行信息共享，并基于该信息共享更好地实现ADAS。

目前，对于车联网中的车辆，需要一种更有效的解决拥堵问题的方案。

发明内容

本申请实施例旨在提供一种更有效的解决拥堵问题的方案，以解决现有技术中的不足。

为实现上述目的，本申请第一方面提供一种提供道路拥堵原因的方法，所述方法用于服务器，包括：确定拥堵点；确定位于以拥堵点为中心的第一预定长度路段中的多个车辆；向所述多个车辆发送指示消息，所述指示消息用于指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄并向所述服务器上传拍摄数据；从所述多个车辆接收所述拍摄数据；基于所述拍摄数据确定道路拥堵原因。在该方案中，服务器通过指示车辆实时拍摄并上传拍摄数据，并基于上传的拍摄数据确定拥堵原因，从而可实时、准确地确定道路拥堵原因，提升了道路通行效率。

在一种实施方式中，所述指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄包括以下三项中的至少一项：指示位于以拥堵点为中心的第二预定长度路段中的至少一个车辆使用前置摄像头、侧置摄像头和后置摄像头对所述拥堵点进行拍摄，其中，所述第二预定长度小于所述第一预定长度；指示位于拥堵点前方的至少一个车辆使用后置摄像头对所述拥堵点进行拍摄；指示位于拥堵点后方的至少一个车辆使用前置摄像头对所述拥堵点进行拍摄。在该实施方式中，服务器针对不同位置的车辆发送不同的指令，以指示其使用不同的摄像头拍摄拥堵点现场，从而可使得拍摄图像中都包括拥堵点，并使得不包括拥堵点的无效图像减少，从而减少了无效图像的数据传输，节省了车载设备的通信量，加快了数据传输时间，另外，无效图像的减少也有助于服务器端用于基于车载设备上传的图像确定拥堵原因所需要进行的计算量、计算时间等。

在一种实施方式中，所述拍摄数据为图像。通过将拍摄数据确定为图像，相比于视频，可减少拍摄数据量，从而可减少车载设备的通信量，加快数据传输时间。

在一种实施方式中，基于所述拍摄数据确定道路拥堵原因包括，将所述拍摄数据输入预先训练的第一模型，基于所述第一模型的输出确定道路拥堵原因。通过基于模型确定道路拥堵原因，而不是基于人工进行确定，可更加快速准确地确定道路拥堵原因，提升确定效率。

在一种实施方式中，所述第一模型为图像识别模型，所述第一模型用于识别所述拍摄数据是否具备多个预定特征中的至少一个特征，所述多个预定特征为多个预定拥堵原因各自对应的至少一个预定特征的集合，其中，基于所述第一模型的输出确定道路拥堵原因包括，基于所述图像识别模型的输出分别与各个预定拥堵原因对应的至少一个预定特征的匹配情况，确定道路拥堵原因。通过图像识别模型对拍摄图像进行识别，并基于识别出的预定特征与预定拥堵原因的匹配来确定拥堵原因，模型结构简单，确定时间较短。

在一种实施方式中，所述第一模型为拥堵原因分类模型，所述第一模型输出预定多个拥堵原因各自的概率。通过分类模型基于多个图像进行拥堵原因分类，直接输出各个拥堵原因的概率，模型操作简单，模型输出结果直观好用。

在一种实施方式中，所述方法还包括，在基于所述拍摄数据确定道路拥堵原因之后，发布所述道路拥堵原因。通过发布拥堵原因，可使得驾驶者、将要出行的人、以及交通监管者等都可以实时方便地获取该信息，从而提升了道路通行效率、提升了交通监管效率，并方便引导出行者选择合理出行路线。

在一种实施方式中，所述方法还包括，在从所述多个车辆接收所述拍摄数据之后，基于所述拍摄数据确定拥堵车道，并发布所述拥堵车道信息。通过确定拥堵车道，可便于车辆驾驶者确定其车辆的行驶路线及行驶车道，提升了道路通行效率。

在一种实施方式中，所述道路拥堵原因为交通事故原因，所述方法还包括，将所述拍摄数据输入第二模型，基于所述第二模型的输出进行交通事故责任判定，并发布所述交通事故责任判定。通过在确定拥堵原因为交通事故原因之后，进行交通事故责任判定并发布该信息，可以给当事人、交警等提供参考信息，有助于加速交通事故处理过程，从而加快对拥堵点的疏导，减少拥堵时间。

本申请第二方面提供一种提供道路拥堵原因的方法，其特征在于，所述方法用于第一车辆，所述第一车辆位于以拥堵点为中心的预定长度路段中，所述方法包括：从服务器接收指示消息；基于所述指示消息开启车载摄像头对所述拥堵点进行拍摄；基于所述指示消息向所述服务器发送拍摄得到的所述拥堵点的拍摄数据。通过使得车载设备执行与上述由服务器执行的方法相配合的方法，从而可实施根据本申请的提供道路拥堵原因的方法，从而实现上述各种有益的技术效果。

本申请第三方面提供一种提供道路拥堵原因的装置，其特征在于，包括：存储器和处理器，所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现上述第一方面的提供道路拥堵原因的方法。所述提供道路拥堵原因的装置包括但不限于服务器、服务器内的子装置或者芯片。

本申请第四方面提供一种提供道路拥堵原因的装置，其特征在于，包括：存储器和处理器，所述存储器中存储有计算机程序，所述处理器用于执行所述计算机程序以实现上述第二方面的提供道路拥堵原因的方法。所述提供道路拥堵原因的装置包括但不限于车辆、车载设备或者芯片。

本申请第五方面提供一种提供道路拥堵原因的装置，其特征在于，包括：第一确定单元，用于确定拥堵点；第二确定单元，用于确定位于以拥堵点为中心的第一预定长度路段中的多个车辆；发送单元，用于向所述多个车辆发送指示消息，所述指示消息用于指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄并向所述服务器上传拍摄数据；接收单元，用于从所述多个车辆接收所述拍摄数据；第三确定单元，用于基于所述拍摄数据确定道路拥堵原因。所述提供道路拥堵原因的装置包括但不限于服务器、服务器内的子装置或者芯片。

在一种实施方式中，所述指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄包括以下三项中的至少一项：指示位于以拥堵点为中心的第二预定长度路段中的至少一个车辆使用前置摄像头、侧置摄像头和后置摄像头对所述拥堵点进行拍摄，其中，所述第二预定长度小于所述第一预定长度；指示位于拥堵点前方的至少一个车辆使用后置摄像头对所述拥堵点进行拍摄；指示位于拥堵点后方的至少一个车辆使用前置摄像头对所述拥堵点进行拍摄。

在一种实施方式中，所述第三确定单元还用于：将所述拍摄数据输入预先训练的第一模型，基于所述第一模型的输出确定道路拥堵原因。

在一种实施方式中，所述第一模型为图像识别模型，所述第一模型用于识别所述拍摄数据是否具备多个预定特征中的至少一个特征，所述多个预定特征为多个预定拥堵原因各自对应的至少一个预定特征的集合，其中，所述第三确定单元还用于：基于所述图像识别模型的输出分别与各个预定拥堵原因对应的至少一个预定特征的匹配程度，确定道路拥堵原因。

在一种实施方式中，所述装置还包括，第一发布单元，用于在基于所述拍摄数据确定道路拥堵原因之后发布所述道路拥堵原因。

在一种实施方式中，所述装置还包括，第四确定单元，用于在从所述多个车辆接收所述拍摄数据之后，基于所述拍摄数据确定拥堵车道；第二发布单元，用于发布所述拥堵车道信息。

在一种实施方式中，所述道路拥堵原因为交通事故原因，所述装置还包括：

输入单元，用于将所述拍摄数据输入第二模型；

判定单元，用于基于所述第二模型的输出进行交通事故责任判定；

第三发布单元，用于发布所述交通事故责任判定。

本申请第六方面方面提供一种提供道路拥堵原因的装置，其特征在于，所述车辆位于以拥堵点为中心的预定长度路段中，所述装置包括：接收单元，用于从服务器接收指示消息；拍摄单元，用于基于所述指示消息使用车载摄像头对所述拥堵点进行拍摄；发送单元，用于基于所述指示消息向所述服务器发送拍摄得到的所述拥堵点的拍摄数据。所述提供道路拥堵原因的装置包括但不限于车辆、车载设备或者芯片。

本申请另一方面提供一种计算机可读存储介质，其上存储有计算机程序或指令，当所述计算机程序或指令在计算机中执行时，令所述提供道路拥堵原因的装置执行上述用于服务器的提供道路拥堵原因的方法。

本申请另一方面提供一种计算机可读存储介质，其上存储有计算机程序或指令，当所述计算机程序或指令在计算机中执行时，令所述提供道路拥堵原因的装置执行上述用于车辆的提供道路拥堵原因的方法。

本申请另一方面提供一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述提供道路拥堵原因的装置执行上述用于服务器的提供道路拥堵原因的方法。

本申请另一方面提供一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述提供道路拥堵原因的装置执行上述用于车辆的提供道路拥堵原因的方法。

附图说明

图1示出用于实施本申请实施例的系统及场景示意图；

图2示出本申请实施例提供的一种提供道路拥堵原因的方法的流程图；

图3示出在导航地图中提示拥堵点和拥堵原因的示意图；

图4示出本申请实施例提供的另一种提供道路拥堵原因的方法的流程图；

图5示出本申请实施例提供的又一种提供道路拥堵原因的方法的流程图；

图6示出根据本申请的车载设备的结构示意图；

图7示出车载设备的显示屏的示意图；

图8示出本申请实施例提供的一种车联网服务器的示意图；

图9示出本申请实施例提供的一种提供道路拥堵原因的装置；

图10示出本申请实施例提供的一种提供道路拥堵原因的装置。

具体实施方式

下面将结合附图，对本申请实施例中的技术方案进行描述。

图1示出用于实施本申请实施例的系统及场景示意图。如图1中所示，用于提供道路拥堵原因的系统中包括：车联网服务器11、网络平台12、用户终端设备13、车辆A-F。所述车联网服务器11例如为云端服务器。所述车辆A-F具有车载设备，以用于加入车联网，并用于辅助驾驶。所述网络平台12如图中所示，例如包括车企平台、交警平台、其它应用平台等。当在图中所示道路中存在由于进行修路所导致的拥堵点时，造成图中左向的两条车道车速下降、车辆拥堵。车联网服务器11在基于网络中的信息确定图中路段左向道路发生拥堵之后，确定该路段中的拥堵点，并基于车联网中各个车辆的定位信息，确定车辆A-F位于拥堵点前后预定长度路段内。车联网服务器11指示车辆A-F中的车载设备开启摄像头进行拍摄并上传拍摄数据。车联网服务器11在接收到来自车辆A-F的拍摄数据之后，基于这些拍摄数据确定拥堵的原因为修路施工，并将该拥堵原因发布到网络中。例如，车联网服务器11在自身的车联网平台的地图中标注该拥堵原因，或者将该拥堵原因发送给其它与所述网络平台12对应的服务器。用户终端13例如可从车联网平台接收该拥堵原因信息，从而用户可基于该信息更好地规划自己的出行路线。其它平台也可从车联网服务器11接收该拥堵原因信息并进行发布。

图2示出本申请实施例提供的一种提供道路拥堵原因的方法的流程图。

如图2所示，在步骤S201，车辆(例如图1中的车辆A-F)在行驶期间，可通过其车载设备向服务器11(即车联网服务器11)发送车辆的位置信息和速度信息等。车载设备可通过其中包括的定位系统获取车辆的位置信息，可通过其中包括的速度传感器获取车辆的速度，并可通过其中包括的移动通信模块以预定时间间隔将最新的位置信息和速度信息发送给服务器11。

在步骤S202，服务器11确定道路拥堵点。

服务器11可首先确定城市道路中的拥堵路段。在一种实施方式中，服务器11可基于从各个行驶车辆接收的车辆信息确定拥堵路段。例如，服务器11可基于各个车辆的速度信息，确定路段中的车辆行驶速度是否明显低于道路设计速度，例如，如果一段高速路中的行驶速度在10-40KM/h，或者如果一段城市道路的行驶速度在5-30KM/h，则可确定这两个路段中的行驶速度明显低于设计速度，可确定其为拥堵路段。可以理解，服务器11不限于如上所述确定道路中的拥堵路段，服务器11也可以通过其它网络平台来查询拥堵路段，例如，可查询导航地图上的实时路况标注，当识别到导航地图上相关道路的通行情况变长了红色或者黄色时，则可确定该路段发生了拥堵。

在确定拥堵路段之后，服务器11可基于该拥堵路段的路况数据、静态数据等，确定该拥堵路段中引起拥堵的位置点作为该路段的拥堵点，例如基于该拥堵路段中各个点的车辆速度来确定拥堵点，在实时路况中基于拥堵路段中红色与黄色、绿色的交接点来确定拥堵点等等。例如，参考图1，服务器11可基于图1中左向路段中的路况数据，确定该左向路段中的拥堵点为包括“修路”标注框的位置。

在步骤S203，服务器11确定位于以拥堵点为中心的预定长度路段中的车辆。

服务器11在确定了路段中的拥堵点之后，也即获取了该拥堵点的位置信息。然后可确定以该拥堵点为中心的预定长度路段的位置信息，所述预定长度路段的位置信息例如包括该路段的起始点位置、该路段的结束点位置，等等。该预定长度例如预先设定为600米，即该路段为以拥堵点为中心的前后300米路段。可以理解，这里，600米只是用于示意说明，而不用于限制本申请实施例，在实际中，可根据车辆摄像头的配置、大气可视度等因素来确定上述预定长度。

然后，服务器11可基于从各个车辆发送的最新的或当前的位置信息，确定当前哪些车辆的位置位于上述确定好的路段中。

在一种实施方式中，所述600米路段仅包括单向车道，则服务器11确定该路段中的全部行驶车辆。

在一种实施方式中，所述600米路段包括双向车道，如图1中所示，包括左向车道和右向车道，服务器11仅确定该路段中拥堵点所在的车道方向的车辆，即，如图1中所示，只确定该路段中的左向行驶车辆。在该实施方式中，例如，如图1中所示，服务器11可确定车辆A-D为位于所述600米路段中的车辆。

在一种实施方式中，所述600米路段包括双向车道，服务器11确定该路段中的全部车辆，即，不仅确定图1中的左向行驶的车辆A-D，还确定在图1中的右向车道中行驶的车辆E、F。

在步骤S204，服务器11向确定车辆发送指示消息。

所述指示消息用于指示相应车辆使用摄像头进行拍摄，并将拍摄的图像或视频回传给服务器11。所述指示消息例如为指令的形式。

在一种实施方式中，服务器11可向全部确定车辆发送相同的指令，该指令指示相应的车载设备使用全部摄像头或使用全部高清摄像头进行拍摄，并将拍摄的全部数据回传给服务器11。

在一种实施方式中，服务器11可基于确定车辆的位置确定该车辆相对于拥堵点的位置，然后基于确定车辆的相对位置来相应地发送指令。具体是，可首先预设相对位置确定规则，例如，可以预设，如果车辆在其行驶方向位于拥堵点前方5米以外，则可确定该车辆位于拥堵点前方，如果车辆在其行驶方向位于拥堵点后方5米以外，则可确定该车辆位于拥堵点后方，如果车辆位于以拥堵点为中心的10米以内路段中，则可确定该车辆位于拥堵点附近。可以理解，所述确定规则不限于这里所述，例如，对于拥堵点附近的车辆，还可以进一步确定车辆的哪一侧与拥堵点相对。例如，可以预设，如果车辆在其行驶方向位于拥堵点前方，则可确定该车辆位于拥堵点前方，如果车辆在其行驶方向位于拥堵点后方，则可确定该车辆位于拥堵点后方。例如，可以预设，如果车辆位于以拥堵点为中心的5米以内路段中，则可确定该车辆位于拥堵点附近，等等。

然后，可基于上述规则来确定各个确定车辆的相对位置。参考图1，如上文所述，在确定图1中的车辆A-D为上述600米路段中的车辆的情况中，可确定车辆C位于拥堵点前方，车辆A和车辆B位于拥堵点附近，车辆D位于拥堵点后方。更具体地，还可以确定车辆A和车辆B的左侧与拥堵点相对。在确定图1中的车辆A-F为上述600米路段中的车辆的情况中，除了确定车辆A-D的相对位置之外，还可确定车辆E在拥堵点后方，车辆F在拥堵点附近，更具体地，还可以确定车辆F的左侧与拥堵点相对。

服务器11在确定了各个确定车辆的相对位置之后，可基于各个确定车辆的相对位置来相应地发送指令，对于车辆C，可发送指令以指示其车载设备使用后置摄像头对拥堵点进行拍摄，对于车辆A和B，可发送指令以指示其车载设备使用全部摄像头对拥堵点进行拍摄，或者使用前置摄像头、左侧摄像头和后置摄像头对拥堵点进行拍摄，对于车辆D，可发送指令以指示其车载设备使用前置摄像头对拥堵点进行拍摄。

在还将车辆E和F也确定为600米路段中的车辆的情况中，对于车辆E，服务器11可发送指令以指示其车载设备使用其前置摄像头对拥堵点进行拍摄，对于车辆F，服务器11可发送指令以指示其车载设备使用全部摄像头，或者使用前置摄像头、左侧摄像头和后置摄像头对拥堵点进行拍摄。

服务器11发送给确定车辆的指令可以指示车载设备的摄像头在预定时间长度内以预定频率连续拍摄图像，例如，在2分钟内每5秒采集一次图像。可以理解，在本申请实施例中，所述指令不限于如这里所述，例如，所述指令也可以指示摄像头连续3分钟拍摄视频等。

可以理解，服务器11对多个确定车辆发送的指令不限于包括上述各种指令，而可能包括以下三种指令中的至少一种：指令1，用于指示位于以拥堵点为中心的例如10米路段中的至少一个车辆使用前置摄像头、侧置摄像头和后置摄像头对所述拥堵点进行拍摄；指令2，指示位于拥堵点前方的至少一个车辆使用后置摄像头对所述拥堵点进行拍摄；指令3，指示位于拥堵点后方的至少一个车辆使用前置摄像头对所述拥堵点进行拍摄。例如，如果服务器11确定所述600米路段中的车辆都在所述拥堵点的后方，则服务器11对确定的多个车辆都发送指令3，如果服务器11确定所述600米路段中的车辆都在所述拥堵点的前方，则服务器11对确定的多个车辆都发送指令2，如果服务器11确定所述600米路段中的车辆都在所述拥堵点附近和前方，则服务器11对确定的多个车辆发送指令1和指令2。

在步骤S205,车辆使用摄像头进行拍摄。

车辆中的车载设备可基于指令的具体内容进行对摄像头的操作。例如，如上文所述，车辆C的车载设备基于其接收的指令使用后置摄像头进行对拥堵点的拍摄，该拍摄例如为在2分钟内每隔5秒连续拍摄图像。车辆A或车辆B的车载设备基于其接收的指令使用前置摄像头、侧置摄像头和后置摄像头对拥堵点进行拍摄。车辆D的车载设备基于其接收的指令使用前置摄像头对拥堵点进行拍摄。车辆E的车载设备基于其接收的指令使用前置摄像头对拥堵点进行拍摄，车辆F基于其接收的指令使用前置摄像头、侧置摄像头和后置摄像头对拥堵点进行拍摄。

在步骤S206，车辆将其拍摄的数据上传给服务器11。

车辆中的车载设备例如可通过其包括的移动通信模块连接网络，并将拍摄数据上传服务器11。

在步骤S207，服务器11基于所述拍摄数据确定拥堵原因。

服务器11可将所述拍摄数据输入预先训练的模型，从而可基于该模型的输出确定拥堵原因。在一种实施方式中，所述预先训练的模型例如为图像识别模型，在服务器11中，在将所述拍摄数据输入图像识别模型之后，该模型识别所述拍摄数据中是否包括多个预定要素(特征)中的要素，所述多个预定要素为多个预定拥堵原因各自对应的至少一个预定要素的集合，从而，基于所述图像识别模型的输出分别与各个预定拥堵原因对应的至少一个预定要素的匹配程度，确定道路拥堵原因。

在一种实施方式中，所述预先训练的模型例如为拥堵原因分类模型，该模型输出预定的多个拥堵原因各自的概率，从而可基于各个拥堵原因的概率确定拥堵原因。

在步骤S208，服务器11发布拥堵点的拥堵原因。

在一种实施方式中，服务器11可在预测到车辆将要经过拥堵点时，通过指示该车辆的车载设备使用扬声器对驾驶该车辆的用户进行语音通知。

在一种实施方式中，服务器11可在导航地图或者城市地图中提示拥堵点及其拥堵原因。图3示出在导航地图中提示拥堵点和拥堵原因的示意图。如图3中所示，图中所示图像可显示于车辆中的车载设备的显示屏上，或者可显示于用户终端设备13的屏幕上，车载设备或者终端设备13通过网络连接服务器11从而可在屏幕上显示由服务器11发布的导航地图、及其中的拥堵点和拥堵原因等信息。其中，在道路中央的实线为车辆行驶规划路线，黑色箭头为导航车辆位置，黑色圆形为拥堵点的标识，在拥堵点上方，通过气泡指示该拥堵点的拥堵原因为“修路”原因，并且，该气泡中还包括“

在一种实施方式中，服务器11可以以预定频率执行图2中的由其执行的步骤，从而可以预定频率更新其发布的信息，例如，在确定图3中所示的拥堵点和拥堵原因之后，可以例如每隔5分钟再次确定所述拥堵点是否还是拥堵点，在所述拥堵点不再为拥堵点的情况中，在地图中进行更新，在所述拥堵点仍然为拥堵点的情况中，更新其中的详情及现场图像信息等，以使得用户可获取较新(基本实时)的信息。

通过在导航地图中如图3所示对驾驶车辆的用户进行拥堵原因提示，便于用户基于更全面的信息对其驾驶路线进行决策，从而使得用户的驾驶体验更好。例如，如果拥堵原因为修路，用户可基于地图中的详情提示或者自身的判断，确定该拥堵点短时间内不会疏通，因此，用户会及时变换到其它驾驶路线，如果拥堵原因为道路清扫，用户可确定该拥堵点很快会疏通，因此，用户可继续其原有的驾驶路线。

当用户在出行前打开城市地图信息时，可基于城市地图信息中的拥堵点及拥堵原因信息，预先规划合理的出行路线。

另外，交通监管者可基于服务器11发布的拥堵原因进行交通疏导，从而提高交通疏导效率。

在一种实施方式中，服务器11在确定拥堵原因为交通事故原因的情况中，服务器11还可以通过将从各个车辆接收的所述拍摄图像输入预先训练的交通事故责任判定模型以进行交通事故责任判定，并例如在图3中的“

在一种实施方式中，服务器11在基于所述多个拍摄图像确定拥堵原因的同时或之后，还可以基于所述多个拍摄图像识别车道占用情况，例如，通过图像识别模型识别出路段中的拥堵车道，等等。

在一种实施方式中，服务器11在确定拥堵原因同时，还可以基于模型或预定规则预测拥堵结束时间。

可以理解，上文中虽然以拍摄图像为例进行了描述，本申请实施例不限于此，例如，车载设备也可以拍摄短视频上传服务器，视频即为图像的集合，因此，上述方法对于拍摄视频同样适用。

图4示出本申请实施例提供的另一种提供道路拥堵原因的方法的流程图，该方法用于服务器，包括以下步骤：

步骤S41,确定拥堵点；

步骤S42，确定位于以拥堵点为中心的预定长度路段中的多个车辆；

步骤S43，向所述多个车辆发送指示消息，所述指示消息用于指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄并向所述服务器上传拍摄数据；

步骤S44，从所述多个车辆接收所述拍摄数据；

步骤S45,将所述拍摄数据输入预先训练的图像识别模型；

步骤S46，基于图像识别模型的输出确定道路拥堵原因。

其中，步骤S41-S44可参考上文对步骤S202、S203、S204和S206的描述，在此不再赘述。

在步骤S45,服务器11通过将所述拍摄数据输入预先训练的图像识别模型，使用该图像识别模型对从各个车辆的车载设备接收的多个拍摄图像进行识别，以识别所述多个拍摄图像中是否包括预定要素(即预定特征)集合中的至少一个预定要素。

可选地，服务器11在从各个车载设备接收多个拍摄图像之后，首先对其进行筛选，以去除与拥堵点无关的图像，所述筛选例如具体为，对这些图像进行图像识别，将不包括拥堵点图像的图像去除，等等。

所述预定要素集合包括与预先设定的多个拥堵原因对应的多个要素。例如，可预设四种拥堵原因：交通事故、修路、绿化/清扫、城市布置。其中，与交通事故原因对应的预定要素包括：(1)多辆车辆停止、(2)多辆车辆车头和道路方向有夹角、(3)有人在机动车道站立；与修路原因对应的预定要素包括：(4)车道变窄、(5)有遮挡墙、(6)有施工交通标识、(7)多车在同一地点变道；与绿化/清扫原因对应的预定要素包括：(8)有工程车缓慢行驶、(9)有施工雪糕筒走廊；与城市布置原因对应的预定要素包括：(8)有工程车缓慢行驶；(10)有城市布置物体(如旗臶、灯笼等)。从而，所述预定要素集合可包括上述预定要素(1)-(10)。

所述图像识别模型可通过训练样本集针对上述11个预定要素进行训练，例如，所述训练样本集中的训练样本为包括所述11个预定要素中的至少一个预定要素的图像，并且该训练样本的标签值为该图像中包括的预定要素的标识.从而，通过以多个这样的训练样本来训练图像识别模型，使得该图像识别模型可识别出图像中是否包括预定要素(1)-(10)中的至少一个预定要素。

从而，在如上所述训练图像识别模型之后，服务器11可使用该图像识别模型识别出任意图像中是否包括至少一个所述预定要素。

在一种实施方式中，可将将要识别的多个拍摄图像叠加成一个图像，并将该叠加后的图像输入图像识别模型，以识别所述多个拍摄图像中是否包括至少一个所述预定要素。在一种实施方式中，可将将要识别的多个拍摄图像分别输入该图像识别模型以对其分别进行识别。如果输入图像识别模型中的拍摄图像中包括上述10个预定要素中的至少一个要素，该图像识别模型例如输出识别出的至少一个要素各自的要素标识，从而，基于该图像识别模型的输出，可识别出所述多个拍摄图像中包括哪些预定要素。

在步骤S46,服务器11基于图像识别模型的输出确定道路拥堵原因，即，基于识别出的预定要素确定拥堵原因。

服务器11可将从图像识别模型针对经筛选的每个拍摄图像分别输出的各个预定要素标识输入预定判断模型，以基于预定规则确定拥堵原因排序。例如，可确定输出的预定要素中与每个拥堵原因对应的要素数目占该拥堵原因全部要素的百分比，从而基于该百分比确定各个拥堵原因的推荐排序。例如，图像识别模型向判断模型共输入如下要素：(1)、(2)、(3)、(4)、(5)、(6)、(9)，预定判断模型基于这些输入要素可确定，输入要素中与交通事故原因对应的要素占该原因全部要素的百分比为100％，与修路原因对应的百分比为75％，与绿化/清扫原因对应的百分比为50％，与城市布置原因对应的百分比为0，从而可确定拥堵原因的推荐排序为：交通事故原因>修路原因>绿化/清扫原因>城市布置原因。

在确定拥堵原因排序之后，服务器11可将排在最前面的拥堵原因确定为与所述多个拍摄图像对应的拥堵原因。在一种实施方式中，服务器11可在确定拥堵原因排序之后，基于业务人员的指示，确定最终的拥堵原因。

图5示出本申请实施例提供的又一种提供道路拥堵原因的方法的流程图，所述方法用于服务器,包括以下步骤：

步骤S51,确定拥堵点；

步骤S52，确定位于以拥堵点为中心的预定长度路段中的多个车辆；

步骤S53，向所述多个车辆发送指示消息，所述指示消息用于指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄并向所述服务器上传拍摄数据；

步骤S54，从所述多个车辆接收所述拍摄数据；

步骤S55,将所述拍摄数据输入预先训练的拥堵原因分类模型；

步骤S56，基于拥堵原因分类模型的输出确定道路拥堵原因。

其中，步骤S51-S54可参考上文对步骤S202、S203、S204和S206的描述，在此不再赘述。

在步骤S55,服务器11将所述拍摄数据输入预先训练的拥堵原因分类模型，例如，服务器11将从各个车载设备接收的多个拍摄图像输入预先训练的拥堵原因分类模型。

可选地，服务器11在从各个车载设备接收多个拍摄图像之后，首先对其进行筛选，以去除与拥堵点无关的图像，然后，将筛选剩下的多个拍摄图像输入预先训练的拥堵原因分类模型。

在该实施方式中，与上文类似地，例如，例如，可预设四种拥堵原因：①交通事故、②修路、③绿化/清扫、④城市布置。所述拥堵原因分类模型例如为基于卷积神经网络(Convolutional Neural Networks，CNN)的分类模型，其可输入图像，并对图像进行识别处理以对图像进行分类。所述拥堵原因分类模型可通过训练样本针对上述4个拥堵原因进行训练。例如，每个训练样本包括与一种拥堵原因相对应的多个现场图像，每个训练样本的标签值用于指示其包括的多个现场图像对应的拥堵原因，例如，如果训练样本对应的拥堵原因为原因③绿化/清扫，则可将训练样本的标签值表示为向量(0,0,1,0)，向量中的四个元素与所述四个原因顺序对应，其中，1表示对应原因的概率为100％，0表示对应原因的概率为0。通过在发生拥堵时在拥堵点采集多个现场图像，并对多个现场图像对应的拥堵原因进行人工标注，从而可获取所述训练样本。

当通过使用上述多个训练样本来训练拥堵原因分类模型之后，当对该模型输入待预测的所述多个拍摄图像之后，该模型将输出所述四个原因各自的概率，概率越大，表示对应的原因的可能性越高。

在步骤S56,服务器11基于所述拥堵原因分类模型的输出确定拥堵原因。

如上文所述，当将所述多个图像输入拥堵原因分类模型之后，其输出各个拥堵原因的概率，从而可基于各个原因的概率值大小对各个拥堵原因进行排序。在一种实施方式中，可将输出概率值最大的拥堵原因确定为所述多个拍摄图像对应的拥堵原因。在一种实施方式中，服务器11可在确定拥堵原因排序之后，基于业务人员的指示，确定最终的拥堵原因。

图6示出根据本申请的车载设备600的结构示意图。如图6所示，该车载设备600中包括处理器61、存储器62、移动通信模块63、摄像头64、扬声器65、显示屏66、传感器模块67，其中，该传感器模块67中例如包括定位系统671、速度传感器672等。

其中，处理器61可以包括一个或多个处理单元，不同的处理单元可以是独立的器件，也可以是集成器件。

存储器62可用于存储计算机可执行指令，例如，可存储操作系统程序、应用程序等。存储器可以为易失性存储器(volatile memory)，例如随机存取存储器(random-accessmemory，RAM)；所述存储器也可以为非易失性存储器(non-volatile memory)，例如只读存储器(read-only memory，ROM)、快闪存储器(flash memory)、硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；所述存储器还可以包括上述种类的存储器的组合。处理器61通过运行存储在存储器62的指令，执行车载设备600的各种功能应用以及数据处理。例如，车载设备600中可通过处理器61运行多个应用程序，如导航应用、通知应用等。例如，可在车载设备600的操作系统程序或者特定应用中包括用于执行根据本申请的提供拥堵原因的方法的指令，从而使得处理器在执行所述指令时可执行根据本申请的提供道路拥堵原因的方案。

移动通信模块63例如可提供2G/3G/4G/5G等移动通信。车载设备600可通过移动通信模块63经移动通信基站连入网络，从而与车联网服务器或其它车载设备进行通信，并可通过所述多个应用程序接收来自车联网服务器的信息，例如，接收车联网服务器发送的新消息等、地图标识等。可以理解，车载设备中还可以包括无线通信模块(未示出)，该无线通信模块可提供包括WLAN，如Wi-Fi网络，蓝牙，NFC，IR等无线通信的解决方案。从而，车载设备600也可通过无线通信模块接入网络。

所述定位系统671例如为基于GPS的定位系统，或者也可以为基于移动通信基站进行定位的定位系统。所述速度传感器672用于获取车辆的行驶速度。车载设备600可获取来自定位系统671的定位信息和来自速度传感器672的速度信息，并可通过移动通信模块63将这些信息发送给车联网服务器11。车联网服务器11基于来自多辆车辆的定位信息和速度信息可确定道路中的拥堵点，并指示拥堵点附近的车载设备使用摄像头对拥堵点进行拍摄。

车载设备600与摄像头64连接，从而可在接收到车联网服务器11的指示之后使用摄像头64进行拍摄，并获取由摄像头64拍摄的图像或视频数据，并将这些视频数据发送给车联网服务器11，以由车联网服务器11确定道路拥堵原因。所述摄像头64例如可包括至少一个摄像头，例如，可包括位于车头的前置摄像头、位于车尾的后置摄像头、以及位于车身两侧的侧置摄像头。该摄像头还可包括多种镜头配置，例如，可包括高清摄像头等。

车联网服务器11在确定出道路拥堵原因之后，可发布该拥堵原因，从而车载设备600可接收到该拥堵原因信息。例如，可通过导航应用在显示屏66中在地图中的拥堵点位置提示拥堵原因，图7示出车载设备600的显示屏66的示意图。或者，车联网服务器11可由通知应用调用扬声器65进行语音提示。另外，车联网服务器11也可以通过用户终端设备13中的对应应用对用户进行提示。

图8示出根据本申请实施例的一种服务器11的示意图，其特征在于，包括：通信接口111、存储器112和处理器113，

所述通信接口111用于与所述车联网服务器外部的设备进行通信；

所述存储器112中存储有计算机程序，所述处理器113在执行所述计算机程序时实现如图2所示的方法中由服务器11执行的步骤。

其中，存储器112可用于存储软件程序以及模块，处理器113通过运行存储在存储器82中的软件程序以及模块，从而使得服务器11执行如图2所示方法中由服务器11执行的步骤。存储器112可主要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以及实现上述方法所需的应用程序等。存储数据区可存储应用的配置文件等。此外，存储器112可以为易失性存储器(volatile memory)，例如随机存取存储器(random-accessmemory，RAM)；所述存储器112也可以为非易失性存储器(non-volatile memory)，例如只读存储器(read-only memory，ROM)，快闪存储器(flash memory)，硬盘(hard disk drive，HDD)或固态硬盘(solid-state drive，SSD)；所述存储器112还可以包括上述种类的存储器的组合。

处理器113是服务器11的控制中心，利用各种接口和线路连接整个服务器11的各个部分，通过运行或执行存储在存储器112内的软件程序和/或模块，以及调用存储在存储器112内的数据，执行根据本申请实施例的提供道路拥堵原因的方法。

图9示出根据本申请实施例的一种提供道路拥堵原因的装置900，其特征在于，所述装置用于服务器，包括：

第一确定单元901，用于确定拥堵点；

第二确定单元902，用于确定位于以拥堵点为中心的第一预定长度路段中的多个车辆；

发送单元903，用于向所述多个车辆发送指示消息，所述指示消息用于指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄并向所述服务器上传拍摄数据；

接收单元904，用于从所述多个车辆接收所述拍摄数据；

第三确定单元905，用于基于所述拍摄数据确定道路拥堵原因。

在一种实施方式中，所述指示所述多个车辆通过车载摄像头对所述拥堵点进行拍摄包括：指示位于以拥堵点为中心的第二预定长度路段中的至少一个车辆使用前置摄像头、侧置摄像头和后置摄像头对所述拥堵点进行拍摄；指示位于拥堵点前方的至少一个车辆使用后置摄像头对所述拥堵点进行拍摄；指示位于拥堵点后方的至少一个车辆使用前置摄像头对所述拥堵点进行拍摄，其中，所述第二预定长度小于所述第一预定长度。

在一种实施方式中，所述第三确定单元905还用于：将所述拍摄数据输入预先训练的第一模型，基于所述第一模型的输出确定道路拥堵原因。

在一种实施方式中，所述第一模型为图像识别模型，所述第一模型用于识别所述拍摄数据中是否包括多个预定特征中的特征，所述多个预定特征为多个预定拥堵原因各自对应的至少一个预定特征的集合，其中，所述第三确定单元905还用于：基于所述图像识别模型的输出分别与各个预定拥堵原因对应的至少一个预定特征的匹配程度，确定道路拥堵原因。

在一种实施方式中，所述装置900还包括，第一发布单元906，用于在基于所述拍摄数据确定道路拥堵原因之后发布所述道路拥堵原因。

在一种实施方式中，所述装置900还包括，第四确定单元907，用于在从多个所述车辆设备接收所述拍摄数据之后，基于所述拍摄数据确定拥堵车道；第二发布单元908，用于发布所述拥堵车道信息。

在一种实施方式中，所述道路拥堵原因为交通事故原因，所述装置900还包括：

输入单元909，用于将所述拍摄数据输入第二模型；

判定单元910，用于基于所述第二模型的输出进行交通事故责任判定；

第三发布单元911，用于发布所述交通事故责任判定。

图10示出根据本申请实施例的一种提供道路拥堵原因的装置1000，其特征在于，所述装置用于第一车辆，所述第一车辆位于以拥堵点为中心的预定长度路段中，所述装置1000包括：

接收单元101，用于从服务器接收指示消息；

拍摄单元102，用于基于所述指示消息使用车载摄像头对所述拥堵点进行拍摄；

发送单元103，用于基于所述指示消息向所述服务器发送拍摄得到的所述拥堵点的拍摄数据。

图9-10中的各个模块的只一个或多个可以软件、硬件、固件或其结合实现。所述软件或固件包括但不限于计算机程序指令或代码，并可以被硬件处理器所执行。所述硬件包括但不限于各类集成电路，如中央处理单元(CPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或专用集成电路(ASIC)。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序或指令，当所述计算机程序或指令在计算机中执行时，令所述提供道路拥堵原因的装置执行上述用于服务器的提供道路拥堵原因的方法。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序或指令，当所述计算机程序或指令在计算机中执行时，令所述提供道路拥堵原因的装置执行上述用于车辆的提供道路拥堵原因的方法。

本申请实施例提供一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述提供道路拥堵原因的装置执行上述用于服务器的提供道路拥堵原因的方法。

本申请实施例提供一种计算机程序产品，其特征在于，当所述计算机程序产品在处理器上运行时，使得所述提供道路拥堵原因的装置执行上述用于车辆的提供道路拥堵原因的方法。

需要理解，本文中的“第一”，“第二”等描述，仅仅为了描述的简单而对相似概念进行区分，并不具有其他限定作用。

本领域的技术人员可以清楚地了解到，本申请提供的各实施例的描述可以相互参照，为描述的方便和简洁，例如关于本申请实施例提供的各装置、设备的功能以及执行的步骤可以参照本申请方法实施例的相关描述，各方法实施例之间、各装置实施例之间也可以互相参照。

本领域技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的全部或部分步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，在没有超过本申请的范围内，可以通过其他的方式实现。例如，以上所描述的实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

另外，所描述装置和方法以及不同实施例的示意图，在不超出本申请的范围内，可以与其它系统，模块，技术或方法结合或集成。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电子、机械或其它的形式。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。