1.一种基于层次聚类法的高速公路拥堵判断方法，其特征在于，该方法包括：获取历史交通参数，所述历史交通参数包括：检测断面的车流量、平均速度、占有率；

对所述历史交通参数进行聚类，得到拥堵数据集和非拥堵数据集；

根据所述拥堵数据集，获取常发性拥堵与偶发性拥堵判别特征参数，包括：t时刻上下游占有率差ΔO(t,i,i‑1)、i检测点t时刻与t‑1时刻占有率差ΔO(i,t,t‑1)、i检测点t时刻与t‑1时刻速度差ΔV(i,t,t‑1)；

通过模糊均值聚类算法基于所述常发性拥堵与偶发性拥堵判别特征参数对所拥堵数据集进行聚类，得到常发性拥堵数据集和偶发性拥堵数据集；

获取实时交通参数，并基于拥堵数据集中心、非拥堵数据中心、常发性拥堵数据集中心和偶发性拥堵数据集中心进行拥堵判断。

2.根据权利要求1所述的基于层次聚类法的高速公路拥堵判断方法，其特征在于，通过模糊均值聚类算法对所述历史交通参数进行聚类，得到拥堵数据集和非拥堵数据集。

3.根据权利要求2所述的基于层次聚类法的高速公路拥堵判断方法，其特征在于，所述通过模糊均值聚类算法对所述历史交通参数进行聚类，包括：基于所述平均速度和所述占有率，使用模糊均值聚类算法对所述历史交通参数进行聚类，确定FCM的目标函数：dij＝||ci‑xj||

其中：U代表隶属度矩阵，ci代表模糊类第i类的中心；c代表共有c类；n代表共有n个数据对象；m为加权指数，满足m∈[1,∞)；dij为第j个数据对象到第i个聚类中心的欧几里德距离；uij代表第j个数据对象属于i类的隶属度大小；

计算更新聚类中心，通过两个聚类中心分别代表拥堵发生和拥堵未发生，判断是否满足迭代终止条件，直到满足迭代终止条件，即可确定拥堵发生和拥堵未发生对应的两个聚类中心；

(t+1) (t)

迭代终止条件为：||J ‑J ||≤ε或t＝Tmax

(t+1) (t)

其中：J 为第t+1次目标函数值；J 为第t次目标函数值；ε为迭代终止条件阈值；Tmax为迭代最大次数；

根据模糊聚类所得到的聚类中心，采用欧几里德距离判断数据集D中数据的类别，拥堵或非拥堵，若输入的数据序列到拥堵聚类中心欧几里德距离小于到非拥堵聚类中心的距离，则判断为拥堵，否则，判断为非拥堵；欧几里德距离d(x,y)判断公式为：其中：x和y分别代表两个数据对象；xk和yk为两个数据对象的第k个特征向量；p为数据对象的特征向量总和。

4.根据权利要求1所述的基于层次聚类法的高速公路拥堵判断方法，其特征在于，还包括：基于拥堵数据集中心、非拥堵数据中心、常发性拥堵数据集中心和偶发性拥堵数据集中心，使用欧几里德距离公式确定实时交通参数所属的拥堵类别；若输入的数据序列到拥堵聚类中心欧几里德距离小于到非拥堵聚类中心的距离，则判断为拥堵，否则，判断为非拥堵；若输入的数据序列到偶发性拥堵聚类中心欧几里德距离小于到常发性拥堵聚类中心的距离，则判断为偶发性拥堵，否则，判断为常发性拥堵。

5.根据权利要求1所述的基于层次聚类法的高速公路拥堵判断方法，其特征在于，还包括：对所述历史交通参数进行归一化。

6.一种基于层次聚类法的高速公路拥堵判断装置，其特征在于，该装置包括：数据获取模块，用于获取历史交通参数，所述历史交通参数包括：检测断面的车流量、平均速度、占有率；

第一聚类模块，用于对所述历史交通参数进行聚类，得到拥堵数据集和非拥堵数据集；

第二聚类模块，用于根据所述拥堵数据集，获取常发性拥堵与偶发性拥堵判别特征参数，包括：t时刻上下游占有率差ΔO(t,i,i‑1)、i检测点t时刻与t‑1时刻占有率差ΔO(i,t,t‑1)、i检测点t时刻与t‑1时刻速度差ΔV(i,t,t‑1)；

通过模糊均值聚类算法基于所述常发性拥堵与偶发性拥堵判别特征参数对所拥堵数据集进行聚类，得到常发性拥堵数据集和偶发性拥堵数据集；

拥堵判断模块，用于获取实时交通参数，并基于拥堵数据集中心、非拥堵数据中心、常发性拥堵数据集中心和偶发性拥堵数据集中心进行拥堵判断。