1.一种基于车联网大数据的区域短时交通流预测方法，其特征在于，包括：S100基于车联网大数据获取目标区域内连续X个周期的车辆情况，X大于1；

S200将车辆情况分为m个类型的车辆，得到每个类型车辆的数量，m大于或等于1；

S300采用统计矩阵法进行预测，计算X个周期车辆类型及相应数量的平均情况，并考虑车辆受不可控因素影响，得到下一个周期的车辆类型及相应数量的初步预测结果；其中，所述不可控因素包括天气、车辆故障、装卸设备故障；

S400针对一个或多个类型的车辆，根据所述下一个周期的初步预测结果，采用分时区法进行预测，将X个周期的每一个周期划分为若干时区，计算出各个时区段的X个周期的平均值，各个时区段的X个周期的平均值与X个周期的平均值的比值乘以下一个周期的初步预测结果，得到各个时区段的初步预测值，然后将各个时区段的初步预测值乘以相应的预测准确率后进行求和，得到下一个周期内的车辆数量的最终预测结果。

2.根据权利要求1所述的一种基于车联网大数据的区域短时交通流预测方法，其特征在于，所述步骤S200包括：将车辆情况分为m个类型的车辆，用车流量集合V表示：

V＝{V11，V12,…,V1i；V21，V22,…,V2j；…；Vm1，Vm2,…,Vmk}将一个周期划分为n个时区段，n大于或等于1，用时区段结合表示：T＝{T1，T2,…,Tn}

第k周期的车辆类型及相应数量Pk：

其中， 表示为第k周期Tj时区段Vi类型车辆出现的数量。

3.根据权利要求2所述的一种基于车联网大数据的区域短时交通流预测方法，其特征在于，所述步骤S300包括：S310进行无偏估计，得到第k+1周期的车辆类型及相应数量的无偏预测结果S320引入偏差因子，得到第k+1周期的车辆类型及相应数量的初步预测结果；其中，偏差因子表示车辆受不可控因素影响的影响程度。

4.根据权利要求3所述的一种基于车联网大数据的区域短时交通流预测方法，其特征在于，所述步骤S310包括：进行无偏估计时，第k+1周期的无偏预测结果 等于第k周期的车辆类型及相应数量Pk在X天的平均情况 即：

5.根据权利要求4所述的一种基于车联网大数据的区域短时交通流预测方法，其特征在于，所述步骤S320包括：引入偏差因子 对第k+1周期的偏差因子采用轮盘赌选择法进行选择取值，有 来预测第X+1周期的车辆类型及相应数量，即有：得到第X+1周期的车辆类型及相应数量：

第k周期的预测偏差ηk：

6.根据权利要求4所述的一种基于车联网大数据的区域短时交通流预测方法，其特征在于，所述步骤S400包括：针对一个或多个类型的车辆，下一个周期内的车辆数量的最终预测结果Nk+1：其中，(Nk+1)'为初步预测结果中的车辆数量； 为1到K周期的Ti个时区段真实车辆数的平均值， 为第j周期第i个时区段实际采集到的车辆数； 为1到K周期中，平均每周期真实车辆数的平均值， Nj为第j周期实际采集到的车辆数； 为1到K周期的Ti个时区段车辆数预测准确率的平均准确率， Pij为第j周期第i个时区段的预测准确率， 若Pij<0，则令Pij＝

0。

7.根据权利要求1-6任一项所述的一种基于车联网大数据的区域短时交通流预测方法，其特征在于，所述的一个周期为一天，或一周，或一个月。

8.一种基于车联网大数据的区域短时交通流预测系统，其特征在于，所述系统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和显示器；所述处理器设有数据输入输出接口，所述处理器与车联网系统通信连接，获取园区内车辆流量数据；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权利要求1至7中任一项所述的方法；所述处理器通过数据输入输出接口与显示器、键盘、鼠标、以及带有USB接口的电子设备进行连接，用于输入输出数据；所述指令被所述至少一个处理器执行的结果通过显示器进行显示，同时，将结果传输于车联网系统。