1.城市通勤特征测度方法，其特征在于，包括：

将通勤影响指标作为前件序列，将社交媒体数据作为后件序列，通过序列关联算法计算所述前件序列和所述后件序列之间的置信度，将所述置信度作为所述社交媒体数据与所述通勤影响指标之间的关联程度值，每一所述通勤影响指标对应其中一关联程度值；选取所述关联程度值大于预设关联阈值的通勤影响指标，将所述通勤影响指标对应的社交媒体数据作为城市通勤影响因素；其中，所述置信度通过以下公式进行计算得到：其中，Conf(Ai→C)表示所述前件序列和所述后件序列的所述置信度，所述前件序列是所述后件序列的条件概率；Ai表示所述前件序列中的事件，C表示所述后件序列的事件，LC(Ai→C)表示以所述后件序列的事件作为约束的局部计数，LC(C)表示在所述后件序列的事件邻域内所述前件序列中的事件总计发生的数目，GC(Ai)表示所述前件序列中的事件总计发生的数目；

根据所述城市通勤影响因素构建地理时空信息词库；

根据所述地理时空信息词库构建时空向量和计算所述时空向量之间的时空相似度；

选取时空相似度大于预设相似度阈值的时空向量进行聚类计算，以得到通勤位置分布数据；

根据所述通勤位置分布数据计算出过剩通勤率和通勤容量使用率；

根据所述过剩通勤率和通勤容量使用率对城市通勤特征进行测度。

2.根据权利要求1所述的城市通勤特征测度方法，其特征在于，所述通勤影响指标包括就业指标、混合土地利用指标、交通模式指标、通勤在全部出行中占比指标、职工技能与空间的匹配程度指标、个人特征指标中的一种或多种。

3.根据权利要求1所述的城市通勤特征测度方法，其特征在于，通过聚类算法对所述时空向量的起始信息和终点信息分别进行聚类计算，以得到所述通勤位置分布数据，所述通勤位置分布数据包括：起点位置组数据和终点位置组数据。

4.根据权利要求1所述的一种城市通勤特征测度方法，其特征在于，

所述过剩通勤率表示为：

所述通勤容量使用率表示为：

其中，E表示过剩通勤率，ARC表示实际通勤距离，MRC表示最小通勤距离，MaxRC表示最大通勤距离，Cu表示通勤容量使用率。

5.一种城市通勤特征测度系统，其特征在于，包括：

确定城市通勤影响因素单元：用于将通勤影响指标作为前件序列，将社交媒体数据作为后件序列，通过序列关联算法计算所述前件序列和所述后件序列之间的置信度，将所述置信度作为所述社交媒体数据与所述通勤影响指标之间的关联程度值，每一所述通勤影响指标对应其中一关联程度值；选取所述关联程度值大于预设关联阈值的通勤影响指标，将所述通勤影响指标对应的社交媒体数据作为城市通勤影响因素；其中，所述置信度通过以下公式进行计算得到：其中，Conf(Ai→C)表示所述前件序列和所述后件序列的所述置信度，所述前件序列是所述后件序列的条件概率；Ai表示所述前件序列中的事件，C表示所述后件序列的事件，LC(Ai→C)表示以所述后件序列的事件作为约束的局部计数，LC(C)表示在所述后件序列的事件邻域内所述前件序列中的事件总计发生的数目，GC(Ai)表示所述前件序列中的事件总计发生的数目；

时空相似度计算单元：用于根据所述城市通勤影响因素构建地理时空信息词库；根据所述地理时空信息词库构建时空向量和计算所述时空向量之间的时空相似度；

选取时空相似度大于预设相似度阈值的时空向量进行聚类计算，以得到通勤位置分布数据；

第一计算单元：用于根据所述通勤位置分布数据计算出过剩通勤率和通勤容量使用率；

城市通勤特征测度单元：用于根据所述过剩通勤率和通勤容量使用率对城市通勤特征进行测度。

6.一种城市通勤特征测度设备，其特征在于，包括：

至少一个处理器，以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4任一项所述的城市通勤特征测度方法。

7.一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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的城市通勤特征测度方法。