1.一种基于WIFI信号的宏观车流流量预测算法，沿交通道路部署预测设备系统，所述预测设备系统包括多个子网络，每个子网络包含一个主机和若干个分机，所述分机(单个预测设备)通过无线被动感知模式，采集由移动终端设备随机向四周环境发送的广播式数据包，并筛选其中带有移动终端设备ID信息的数据包进行检索，打上分机标签后上传至主机，主机将收集到的数据进行统一存储和打上时间标签，并上传至数据服务器中存储，并通过数据分析对宏观车流流量进行评估预测；

所述数据的分析包括以下步骤：

步骤1：通过分机采集完整时间段的数据D， 其中，Dij表示第j个子网

第i号分机数据；N表示子网的个数，M表示第j个子网中的分机个数；

步骤2：对数据进行切片并提取待分析路段S及完整时间段(T-Δt)的数据D′s，Dis为第s子网下编号为i的分机所采集到的数据；

步骤3：对部署的子网络与对应实际路段S进行空间匹配，得到子网络主机与对应路段的编号信息及该子网络的分机部署情况列表；

步骤4：对各分机采集的数据根据移动终端设备ID号进行排序，建立数据矩阵{Tower(i,s),t}；

步骤5：将建立的ID数据列表按出现在不同数据矩阵的次数进行分类：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析；对于在时间段Δt内，移动终端ID在子网络两个及以上分机出现的，该移动终端ID对应的数据直接作为有效数据；

步骤6：对于在时间段Δt内，移动终端ID仅在子网络单个分机出现的，对该移动终端ID对应的数据单独提取进行后续有效性分析：1、当在Δt时间内，该移动终端ID在单个分机的数据矩阵TOWER中重复出现，且多个移动终端ID出现以上情况，则标识对应路段为拥堵状况，并将该类ID数据记为有效数据；2、当在Δt时间内，未发现该移动终端ID在单个分机数据矩阵TOWER中重复出现，则遍历该子网络对应路段S前后的子网络是否出现相同的ID号，如果未出现，则将该ID数据作为噪声数据处理，如果在其他子网络中出现，则标识入有效数据列表；

步骤7：重复步骤4～6直到数据处理完毕；

步骤8：将经过步骤5和6处理所得的有效数据进行归并，并根据数据矩阵TOWER所对应物理空间中的位置及出现的时间先后顺序，并将ID数据矩阵区分为双向，并对每个单向数据进行后续处理；

步骤9：在T+Δt的时间段内，单向有效数据总量为V，V＝D{ID}，并通过以下方法进行实际宏观断面流量评估：式中，V(T+Δt)表示T时刻后Δt时间段内第j号子网络所覆盖路段的车流流量；∑j为第j号子网络的该方向的移动终端有效ID的总量，m,n表示所在主机子网络中的分机编号，表示ID-k在子网络Tower(j)中第m个分机上出现的时刻，a(k)表示权重，A(j)和B(j)表示权重调节因子；T(j)表示第j个Tower的里程时间平均值；F(·)为拟合函数；i为该子网中分机的总数；

设置误差量 设置自反馈迭代步数为C，设置迭代终止条件

迭代步数及误差终止条件可根据实际网络计算精度进行调节；

根据输出的误差值 通过调节权重A(j)和B(j)的值，使得V(T+Δt)逼近算法训练样本S，并输出权重A(j)和B(j)的值作为分配方案。

2.根据权利要求1所述基于WIFI信号的宏观车流流量预测算法，其特征在于：步骤9中所述算法训练样本S为线圈检测器或雷达检测器得到的数据，并作为有效基准参考单元。