1.一种异常车辆识别方法，其特征在于，包括：

在监测到经过布控区域内任一卡口的第一车辆时，记录所述第一车辆的标识、当前经过的第一卡口的标识和第一时间，其中，所述第一时间为所述第一车辆经过所述第一卡口的时间；

根据所述第一时间和预设时间粒度，确定所述第一时间所属的第一时段；

根据所述第一车辆的标识和所述第一时段，从预设统计数据表中查找第一历史活动规律集合，其中，所述预设统计数据表包括多个车辆对应的各个时段的历史活动规律集合，所述历史活动规律集合包括车辆所经过的卡口的标识，所述第一历史活动规律集合为所述第一车辆在所述第一时段的历史活动规律集合；

确定所述第一卡口的标识是否属于所述第一历史活动规律集合；

在所述第一卡口的标识不属于所述第一历史活动规律集合时，确定所述第一车辆为异常车辆；

所述方法还包括：

获取过车记录表，其中，所述过车记录表包括多个车辆在第一预设历史时间段的过车记录，所述第一预设历史时间段包括多日，所述过车记录包括卡口的标识和卡口对应的过车时间；

针对所述过车记录表中的每个车辆，从该车辆在所述第一预设历史时间段的过车记录中，提取该车辆同日经过的卡口的标识，并将该车辆同日经过的卡口的标识组合为一个卡口集合，得到该车辆对应的多个卡口集合；

确定该车辆对应的各个卡口集合之间的交集，并计算该车辆对应的每个交集的第一占比值，其中，所述第一占比值为交集所属的卡口集合的个数在卡口集合总数中的占比；

将该车辆对应的所有交集中，第一占比值大于预设占比阈值的交集作为该车辆的高比重集合；

根据该车辆的各个高比重集合中所包含的卡口对应的过车时间，确定该车辆的各个时段对应的的高比重集合，并将该车辆的各个时段对应的高比重集合，作为该车辆的各个时段的历史活动规律集合，其中，各个时段为按照所述预设时间粒度将一日进行划分得到的；

根据所述过车记录表中各个车辆的各个时段的历史活动规律集合，生成所述预设统计数据表。

2.根据权利要求1所述的方法，其特征在于，在所述在监测到经过布控区域内任一卡口的第一车辆时，记录所述第一车辆的标识、当前经过的第一卡口的标识和第一时间之后，所述方法还包括：根据预设识别策略识别所述第一车辆是否为特定车辆；

若识别出所述第一车辆不是特定车辆，则执行所述根据所述第一时间和预设时间粒度，确定所述第一时间所属的第一时段的步骤；

在所述根据所述第一车辆的标识和所述第一时段，从预设统计数据表中查找所述第一车辆在所述第一时段内的第一历史活动规律集合之后，所述方法还包括：若没有查找到所述第一历史活动规律集合，则将所述第一车辆确定为异常车辆。

3.根据权利要求1所述的方法，其特征在于，所述预设统计数据表还包括各个车辆的各个时段的活动偏移量；

所述方法还包括：

针对所述过车记录表中的每个车辆，计算该车辆的各个高比重集合的第二占比值，其中，所述第二占比值为高比重集合所包含的卡口个数与该车辆的平均日活动卡口数的比值，所述平均日活动卡口数为该车辆在所述第一预设历史时间段内平均每日经过的卡口个数；

计算该车辆的每个高比重集合对应的各个时段的第三占比值；

将该车辆的各个时段的历史活动规律集合中所有的高比重集合的第二占比值和第三占比值，作为该车辆的各个时段的活动偏移量；

其中，所述计算该车辆的每个高比重集合对应的各个时段的第三占比值，包括：针对该车辆的每个高比重集合，计算该高比重集合中过车时间属于某时段的卡口的个数，与该高比重集合中的卡口总个数的比值，作为该高比重集合对应的该时段的第三占比值。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：在确定出所述第一车辆为异常车辆后，获取所述第一车辆在第二预设历史时间段的过车记录；

根据所述第一车辆在所述第二预设历史时间段的过车记录，确定所述第一车辆在布控区域内是否活动频繁，并在确定出所述第一车辆在布控区域内活动频繁时，将所述第一车辆确定为重点异常车辆；

和/或，根据所述第一车辆在所述第二预设历史时间段的过车记录，计算所述第一车辆在所述第二预设历史时间段的活动卡口集合与所述预设统计数据表中所述第一车辆的历史活动规律集合之间的活动偏移变化量，并在所述活动偏移变化量超过第一预设阈值时，将所述第一车辆确定为重点异常车辆。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一车辆在所述第二预设历史时间段的过车记录，确定所述第一车辆在布控区域内是否活动频繁，包括：根据所述第一车辆在所述第二预设历史时间段的过车记录，统计所述第一车辆在所述第二预设历史时间段内经过布控区域内各个卡口的次数之和；

计算第一比值，所述第一比值为所述次数之和与所述第一车辆在所述第二预设历史时间段内所经过卡口的总次数之间的比值；

若所述第一比值大于第二预设阈值，则确定所述第一车辆在布控区域内活动频繁。

6.根据权利要求4所述的方法，其特征在于，所述第二预设历史时间段为所述第一时间的前一日；

所述根据所述第一车辆在所述第二预设历史时间段的过车记录，计算所述第一车辆在所述第二预设历史时间段的活动卡口集合与所述预设统计数据表中所述第一车辆的历史活动规律集合之间的活动偏移变化量，包括：根据所述预设时间粒度和所述第一车辆在所述前一日的过车记录，得到所述第一车辆在所述前一日的各个时段的卡口集合；

针对每个时段，计算所述第一车辆在所述前一日的该时段的卡口集合的第一活动偏移量，并从所述预设统计数据表中获取与该时段相对应的第二活动偏移量，计算所述第一活动偏移量与所述第二活动偏移量之间的变化量；

统计变化量大于预设变化量阈值的时段的个数，并计算该个数在所有时段总数中的占比，将所述占比作为所述活动偏移变化量。

7.一种异常车辆识别装置，其特征在于，包括：

记录模块，用于在监测到经过布控区域内任一卡口的第一车辆时，记录所述第一车辆的标识、当前经过的第一卡口的标识和第一时间，其中，所述第一时间为所述第一车辆经过所述第一卡口的时间；

处理模块，用于根据所述第一时间和预设时间粒度，确定所述第一时间所属的第一时段；

查找模块，用于根据所述第一车辆的标识和所述第一时段，从预设统计数据表中查找第一历史活动规律集合，其中，所述预设统计数据表包括多个车辆对应的各个时段的历史活动规律集合，所述历史活动规律集合包括车辆所经过的卡口的标识，所述第一历史活动规律集合为所述第一车辆在所述第一时段的历史活动规律集合；

所述处理模块，还用于确定所述第一卡口的标识是否属于所述第一历史活动规律集合；

所述处理模块，还用于在所述第一卡口的标识不属于所述第一历史活动规律集合时，确定所述第一车辆为异常车辆；

所述装置还包括生成模块，所述生成模块用于：

获取过车记录表，其中，所述过车记录表包括多个车辆在第一预设历史时间段的过车记录，所述第一预设历史时间段包括多日，所述过车记录包括卡口的标识和卡口对应的过车时间；

针对所述过车记录表中的每个车辆，从该车辆在所述第一预设历史时间段的过车记录中，提取该车辆同日经过的卡口的标识，并将该车辆同日经过的卡口的标识组合为一个卡口集合，得到该车辆对应的多个卡口集合；

确定该车辆对应的各个卡口集合之间的交集，并计算该车辆对应的每个交集的第一占比值，其中，所述第一占比值为交集所属的卡口集合的个数在卡口集合总数中的占比；

将该车辆对应的所有交集中，第一占比值大于预设占比阈值的交集作为该车辆的高比重集合；

根据该车辆的各个高比重集合中所包含的卡口对应的过车时间，确定该车辆的各个时段对应的的高比重集合，并将该车辆的各个时段对应的高比重集合，作为该车辆的各个时段的历史活动规律集合，其中，各个时段为按照所述预设时间粒度将一日进行划分得到的；

根据所述过车记录表中各个车辆的各个时段的历史活动规律集合，生成所述预设统计数据表。

8.根据权利要求7所述的装置，其特征在于，所述记录模块，还用于：在监测到经过布控区域内任一卡口的第一车辆时，记录所述第一车辆的标识、当前经过的第一卡口的标识和第一时间之后，根据预设识别策略识别所述第一车辆是否为特定车辆；

若识别出所述第一车辆不是特定车辆，则执行所述根据所述第一时间和预设时间粒度，确定所述第一时间所属的第一时段的步骤；

所述处理模块，还用于：

在根据所述第一车辆的标识和所述第一时段，从预设统计数据表中查找所述第一车辆在所述第一时段内的第一历史活动规律集合之后，若没有查找到所述第一历史活动规律集合，则将所述第一车辆确定为异常车辆。

9.根据权利要求7所述的装置，其特征在于，所述预设统计数据表还包括各个车辆的各个时段的活动偏移量；

所述生成模块，还用于：

针对所述过车记录表中的每个车辆，计算该车辆的各个高比重集合的第二占比值，其中，所述第二占比值为高比重集合所包含的卡口个数与该车辆的平均日活动卡口数的比值，所述平均日活动卡口数为该车辆在所述第一预设历史时间段内平均每日经过的卡口个数；

计算该车辆的每个高比重集合对应的各个时段的第三占比值；

将该车辆的各个时段的历史活动规律集合中所有的高比重集合的第二占比值和第三占比值，作为该车辆的各个时段的活动偏移量；

其中，所述生成模块，具体用于：

针对该车辆的每个高比重集合，计算该高比重集合中过车时间属于某时段的卡口的个数，与该高比重集合中的卡口总个数的比值，作为该高比重集合对应的该时段的第三占比值。

10.根据权利要求7至9任一项所述的装置，其特征在于，所述处理模块，还用于：在确定出所述第一车辆为异常车辆后，获取所述第一车辆在第二预设历史时间段的过车记录；

根据所述第一车辆在所述第二预设历史时间段的过车记录，确定所述第一车辆在布控区域内是否活动频繁，并在确定出所述第一车辆在布控区域内活动频繁时，将所述第一车辆确定为重点异常车辆；

和/或，根据所述第一车辆在所述第二预设历史时间段的过车记录，计算所述第一车辆在所述第二预设历史时间段的活动卡口集合与所述预设统计数据表中所述第一车辆的历史活动规律集合之间的活动偏移变化量，并在所述活动偏移变化量超过第一预设阈值时，将所述第一车辆确定为重点异常车辆。

11.根据权利要求10所述的装置，其特征在于，所述处理模块，具体用于：根据所述第一车辆在所述第二预设历史时间段的过车记录，统计所述第一车辆在所述第二预设历史时间段内经过布控区域内各个卡口的次数之和；

计算第一比值，所述第一比值为所述次数之和与所述第一车辆在所述第二预设历史时间段内所经过卡口的总次数之间的比值；

若所述第一比值大于第二预设阈值，则确定所述第一车辆在布控区域内活动频繁。

12.根据权利要求10所述的装置，其特征在于，所述第二预设历史时间段为所述第一时间的前一日；

所述处理模块，具体用于：

根据所述预设时间粒度和所述第一车辆在所述前一日的过车记录，得到所述第一车辆在所述前一日的各个时段的卡口集合；

针对每个时段，计算所述第一车辆在所述前一日的该时段的卡口集合的第一活动偏移量，并从所述预设统计数据表中获取与该时段相对应的第二活动偏移量，计算所述第一活动偏移量与所述第二活动偏移量之间的变化量；

统计变化量大于预设变化量阈值的时段的个数，并计算该个数在所有时段总数中的占比，将所述占比作为所述活动偏移变化量。

13.一种异常车辆识别设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至6任一项所述的异常车辆识别方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至6任一项所述的异常车辆识别方法。