1.一种识别道路中人员运动的方法，其特征在于，包括：基于MR定位数据和道路栅格数据识别出标识出道路上用户的运动点、静止点和异常点。

2.根据权利要求1所述的识别道路中人员运动的方法，其特征在于，基于MR定位数据和道路栅格数据识别出标识出道路上用户的运动点、静止点和异常点，包括：从MR定位数据中提取指定字段数据；

对提取的MR定位数据进行清洗，剔除MR定位数据中的无效数据和重复数据；

将清洗后的MR数据和道路栅格数据相结合，筛选出道路栅格MR数据；

基于所述道路栅格MR数据，生成每个用户时间序列上的轨迹；

基于所述轨迹，识别出任意时间序列中，用户轨迹上的运动点、静止点和异常点。

3.根据权利要求2所述的识别道路中人员运动的方法，其特征在于，对提取的MR定位数据进行清洗，剔除MR定位数据中的无效数据和重复数据，包括：判断从MR定位数据中提取的指定字段数据中是否有字段为空值，如果有，则对整条数据进行剔除；

判断从MR定位数据中提取的指定字段数据中是否存在重复数据，如果有，剔除整条重复数据。

4.根据权利要求2所述的识别道路中人员运动的方法，其特征在于，基于所述道路栅格MR数据，生成每个用户时间序列上的轨迹，包括：基于所述道路栅格MR数据，将每个用户的数据汇聚在各自的集合中并按照时间排序，排序后的单用户数据序列形成每个用户时间序列上的轨迹。

5.根据权利要求2所述的识别道路中人员运动的方法，其特征在于，基于所述轨迹，识别出任意时间序列中，用户轨迹上的运动点、静止点和异常点，包括：基于所述轨迹，通过多重异频双向滑窗轨迹算法识别出任意时间序列中，用户轨迹上的运动点、静止点和异常点；

所述多重异频双向滑窗轨迹算法设置两层滑窗，其中，第一层滑窗以点个数为一个滑动单位，第二层滑窗以时间周期为一个滑动单位。

6.根据权利要求5所述的识别道路中人员运动的方法，其特征在于，通过多重异频双向滑窗轨迹算法识别任意时间序列中，用户轨迹上的运动点和静止点的方法，包括：设定所述多重异频双向滑窗轨迹算法的第一层滑窗中包括两个点；其中，两个点中的一个点为目标点；

获取所述两个点之间的时间差和距离；基于所述时间差和距离，计算两点间的速度，基于所述两点间的速度判断出窗口内的目标点是运动点还是静止点。

7.根据权利要求5或6所述的识别道路中人员运动的方法，其特征在于，通过多重异频双向滑窗轨迹算法识别任意时间序列中，用户轨迹上的运动点和异常点的方法，包括：在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向前滑动一个滑动单元，通过均值聚类算法计算出前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述前向窗口内包括目标点；

在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向后滑动一个滑动单元，通过多维密度聚类算法计算出后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述后向窗口内也包括目标点；

基于前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，以及，基于后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，判断出窗口内的目标点是运动点还是异常点。

8.根据权利要求5或6所述的识别道路中人员运动的方法，其特征在于，通过多重异频双向滑窗轨迹算法识别任意时间序列中，用户轨迹上的运动点和异常点的方法，包括：在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向前滑动一个滑动单元，通过多维密度聚类算法计算出前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述前向窗口内包括目标点；

在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向后滑动一个滑动单元，通过均值聚类算法计算出后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述后向窗口内也包括目标点；

基于前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，以及，基于后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，判断出窗口内的目标点是运动点还是异常点。

9.根据权利要求5或6所述的识别道路中人员运动的方法，其特征在于，通过多重异频双向滑窗轨迹算法识别任意时间序列中，用户轨迹上的运动点和异常点的方法，包括：在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向前滑动一个滑动单元，通过均值聚类算法计算出前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述前向窗口内包括目标点；

在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向后滑动一个滑动单元，通过均值聚类算法计算出后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述后向窗口内也包括目标点；

基于前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，以及，基于后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，判断出窗口内的目标点是运动点还是异常点。

10.根据权利要求5或6所述的识别道路中人员运动的方法，其特征在于，通过多重异频双向滑窗轨迹算法识别任意时间序列中，用户轨迹上的运动点和异常点的方法，包括：在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向前滑动一个滑动单元，通过多维密度聚类算法计算出前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述前向窗口内包括目标点；

在所述多重异频双向滑窗轨迹算法的第二层滑窗中，向后滑动一个滑动单元，通过多维密度聚类算法计算出后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格；其中，所述后向窗口内也包括目标点；

基于前向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，以及，基于后向窗口内点的平均速度、平均距离和/或窗口内出现次数最高的若干个栅格，判断出窗口内的目标点是运动点还是异常点。