1.一种路网异常事件处理方法，其特征在于，所述方法包括：根据预先录入的待处理的目标路网异常事件的每种事件影响因素的字段信息、以及确定的所述目标路网异常事件的每种目标事件影响因素，确定所述每种目标事件影响因素的目标字段信息；

针对每种目标事件影响因素，根据该种目标事件影响因素的目标字段信息、以及预先保存的该种目标事件影响因素的每种字段信息对应的因素值，确定所述目标字段信息的目标因素值；

根据所述每种目标事件影响因素的目标因素值、以及预先保存的预案库中每种预案对应的每种事件影响因素及因素值范围，确定与所述待处理的目标路网异常事件匹配的目标预案。

2.根据权利要求1所述的方法，其特征在于，所述根据所述每种目标事件影响因素的目标因素值、以及预先保存的预案库中每种预案对应的每种事件影响因素及因素值范围，确定与所述待处理的目标路网异常事件匹配的目标预案包括：针对预先保存的预案库中每种预案，若所述每种目标事件影响因素包含在该种预案对应的每种事件影响因素中，则将该种预案确定为第一预案；

针对确定出的每种第一预案，若所述每种目标事件影响因素的目标因素值均位于该种第一预案的对应因素值范围，则将该种第一预案确定为与所述待处理的目标路网异常事件匹配的目标预案。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：若未确定出与所述待处理的目标路网异常事件匹配的目标预案，则将所述预案库中的默认预案作为与所述待处理的目标路网异常事件匹配的目标预案。

4.根据权利要求1所述的方法，其特征在于，所述根据预先录入的待处理的路网异常事件的每种事件影响因素的字段信息、以及确定的所述路网异常事件的每种目标事件影响因素，确定所述每种目标事件影响因素的目标字段信息之前，所述方法还包括：接收路网数据；

根据预先训练完成的深度学习模型和所述路网数据，确定每种路网异常事件。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：输出发生所述每种路网异常事件的提示信息；

接收用户的确认操作，确定所述每种路网异常事件中待处理的目标路网异常事件。

6.根据权利要求4所述的方法，其特征在于，训练所述深度学习模型的过程包括：获取所述样本集中预先保存的任一样本路网数据和对应的第一标识信息，其中所述第一标识信息用于标识该样本路网数据包含的路网异常事件的类型；

将该样本路网数据输入到原始深度学习模型中，确定该样本路网数据的第二标识信息；

根据所述第一标识信息和所述第二标识信息，对所述原始深度学习模型的各参数的参数值进行调整，得到训练完成的所述深度学习模型。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据预先保存的所述目标预案中的处置动作，判断所述处置动作是否为高频处置动作；

若是，则自动执行所述处置动作；

若否，则发送执行所述处置动作的提示信息。

8.一种路网异常事件处理装置，其特征在于，所述装置包括：第一确定模块，用于根据预先录入的待处理的目标路网异常事件的每种事件影响因素的字段信息、以及确定的所述目标路网异常事件的每种目标事件影响因素，确定所述每种目标事件影响因素的目标字段信息；

第二确定模块，用于针对每种目标事件影响因素，根据该种目标事件影响因素的目标字段信息、以及预先保存的该种目标事件影响因素的每种字段信息对应的因素值，确定所述目标字段信息的目标因素值；

第三确定模块，用于根据所述每种目标事件影响因素的目标因素值、以及预先保存的预案库中每种预案对应的每种事件影响因素及因素值范围，确定与所述待处理的目标路网异常事件匹配的目标预案。

9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储程序指令，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1‑7中任一所述路网异常事件处理方法的步骤。

10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1‑7中任一所述路网异常事件处理方法的步骤。