1.一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，方法包括以下步骤：S1、获取路网与浮动车轨迹数据并进行匹配，得到匹配数据；S2、基于匹配数据计算每个时间切片的交通拥堵指数；S3、基于交通拥堵指数构建不同时刻的时空拥堵子图，时空拥堵子图的节点为拥堵路段；S4、计算时空拥堵图的中路段的图结构信息和语义信息，所述图结构信息包括节点曲率、节点度和空间邻近性，所述时空拥堵子图的集合组成时空拥堵图；S5、基于图结构信息和语义信息，采用余弦相似度获取时空拥堵图的曲率相似度特征矩阵、度相似度特征矩阵、空间距离矩阵和语义相似度矩阵；S6、采用熵权法融合曲率相似度特征矩阵、度相似度特征矩阵、空间距离矩阵和语义相似度矩阵，得到时空拥堵图的时空自适应邻接矩阵；S7、基于时空自适应邻接矩阵，结合时空拥堵图的拓扑结构，构造拓扑有向图；S8、基于有向图采用局部呼吸优先搜索算法识别时空拥堵图的局部领导者，再采用局部广度优先搜索算法来查找每个局部领导者的最近的局部领导者，确定最近的局部领导者则停止搜索；S9、基于局部领导者筛选多尺度社团中心以识别交通拥堵传播瓶颈；S10、将筛选出的多尺度社团中心根据日期类型进行合并，计算不同类型日期之间交通拥堵传播瓶颈的数目及其规律；S11、将筛选出的多尺度社团中心根据日期类型进行合并，计算不同类型时间段之间交通拥堵传播瓶颈的数目及其规律。
2.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，所述交通拥堵指数为：其中， 代表路段f i 的自由流速度， 代表在时间戳t j 的真实速度。
3.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，节点曲率为路段的切线转角Δα与弧长Δl之比的绝对值；节点的度被定义为与该节点直接相连的边的总数目；空间邻近性为欧式距离。
4.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，所述交通拥堵指数为：其中，时空拥堵子图 被定义为该时间段内以所有拥堵实例为节点相互连接所形成的图结构，其中 分别代表图的节点、边、边的权重，边的权重 由节点曲率、节点度、空间邻近性和交通拥堵指数的快速傅里叶变换所决定。
5.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，时空自适应邻接矩阵为：其中， 表示时间戳t j 时的时空拥堵子图的时空自适应邻接矩阵，时空拥堵子图的曲率相似度 度相似度矩阵 空间距离矩阵 和交通拥堵指数的傅里叶变换相似度 和 分别代表采用熵权法得到的每一个相似度矩阵对应的权重值。
6.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，基于时空自适应邻接矩阵，结合时空拥堵图的拓扑结构，构造有向图的具体步骤为：基于时空自适应邻接矩阵，结合时空拥堵图的拓扑结构，将与节点f i 直接相邻的所有边的权值的和分配给f i ，并将分配后的权值和记为节点f i 的特征值记作 形成有向图，其中，如果满足以下两个条件，则节点f i 指向其最大邻居f k :第一，该节点具有比其邻居更高的值，即 第二，每一个节点f i 都指向其最大值邻居，即 其中V(f i )代表f i 的所有邻居的集合。
7.根据权利要求6所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，识别时空拥堵图的局部领导者具体为：具有入度但是没有出度的节点被视为主导其周围区域的局部领导者。
8.根据权利要求7所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，确定最近的局部领导者具体为：对于每个局部领导者 若满足 则 为局部领导者 的最近的局部领导者。
9.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，不同类型日期包括工作日、周末和节假日。
10.根据权利要求1所述的一种基于时空自适应局部搜索的交通拥堵传播检测方法，其特征在于，不同类型时间段包括早高峰时段、晚高峰时段和非高峰期时段。
