1.一种基于RFID数据的路口车辆分流量预测方法，其特征在于：主要步骤为：步骤1、收集车辆RFID数据；

步骤2、数据预处理，去除重复和奇异数据；

步骤3、以预处理后的数据为基础，基于时间相位划分方法判断路口车辆转向，并计算每个信号周期内路口各个方向车流量大小；

步骤4、根据步骤3所计算得到的各个方向车流量大小再结合公有数据构建特征集，该特征集的每条特征数据最后一个字段为标记字段，标识不同时间段下每个转向的车流量大小；

步骤5、以步骤4所得数据作为训练集，使用机器学习算法训练一个预测路口各个方向车流量大小的预测模型；

步骤6、对于一个新的信号周期，根据步骤4构建特征集并将新构建的特征集作为预测模型的输入，预测模型输出即为预测信号周期内对应方向的车辆分流量大小。

2.根据权利要求1所述的一种基于RFID数据的路口车辆分流量预测方法，其特征在于：车辆转向识别方法具体步骤为：

步骤a、规定每个信号周期为T，信号周期为信号灯某个方向上的绿灯开始计时到下一次绿灯开始之间的时间间隔；

步骤b、规定在每个信号周期内红绿灯时长会被划分为多个相位，表示为p1,p2…pn；

步骤c、每个路口按方向划分东、西、南、北，每个方向上有一个RFID采集点分别用RE、RW、RS、RN表示，通过在特定的相位时间段内各RFID采集点获取到的车辆信息可以判断其转向；

步骤d、根据步骤c识别车辆转向，并按每个信号周期T统计各个方向上的车流量大小。

3.根据权利要求1所述的一种基于RFID数据的路口车辆分流量预测方法，其特征在于：步骤4中，特征集的构建过程为：

步骤4.1、从时间序列出发充分考虑历史数据对预测周期的影响，ft+1表示预测周期t+1某转向车流量大小，考虑预测周期前五个信号周期车流量大小：ft、ft-1、ft-2、ft-3、ft-4；考虑预测结果与前一天相同时间段之间的关联性，选取前一天预测周期和预测周期前五个周期车流量大小： 考虑预测结果与一周前相同时间段之间的关联性，选取一周前预测周期和预测周期前五个周期车流量大小：

步骤4.2、考虑时间因素、天气因素、工作日因素和气温因素对预测结果的影响构建特征time、min_temp、max_temp、weather、weekday、month，分别代表预测周期小时数、预测日最低气温、预测日最高气温、预测日天气、预测工作日或周末和预测日月份；

步骤4.3、结合步骤4.1和步骤4.2所选取的特征然后加上方向标识最终特征集包含24个特征。