1.一种基于人工智能的道路洒水车调度方法，其特征在于，该方法包括以下步骤：判断目标路段两侧预设范围内是否存在施工场地，若存在，则计算所述施工场地的方向向量与风速向量的余弦相似度；判断所述余弦相似度是否大于0，若大于，则计算所述施工场地对目标路段的扬尘影响指标, 所述施工场地的方向向量为从施工场地指向目标路段且垂直于目标路段的单位向量；

获取目标路段的路面图像，根据所述目标路段的路面图像，计算路面裸土区域和路面破损区域的面积，将所述路面裸土区域和路面破损区域的面积作为目标路段的路面特征参数；

根据所述目标路段的路面特征参数，获取车辆在路面裸土区域和路面破损区域的行驶距离，根据所述车辆在路面裸土区域和路面破损区域的行驶距离，计算车辆对路面扬尘的影响系数，根据目标路段的通车数量、车辆的平均车速、车辆对道路扬尘的影响系数构建目标路段的车流量特征向量；

根据所述目标路段的路面特征参数，计算路面裸土区域的有效通车面积和路面破损区域的有效通车面积，根据所述路面裸土区域的面积、路面破损区域的面积、路面裸土区域的有效通车面积以及路面破损区域的有效通车面积构建目标路段的路面特征向量；

根据施工场地对目标路段的扬尘影响指标、目标路段的车流量特征向量、目标路段的路面特征向量、气象数据以及历史扬尘程度构建道路特征向量，将道路特征向量输入到神经网络得到目标路段的当前扬尘程度；

判断目标路段的当前扬尘程度是否大于设定的扬尘程度阈值，若大于，则根据目标路段的当前扬尘程度确定目标路段的洒水量。

2.根据权利要求1所述的一种基于人工智能的道路洒水车调度方法，其特征在于，所述计算所述施工场地对目标路段的扬尘影响指标的方法包括：获取所述施工场地的第一扬尘指标；

将风速向量进行分解，获取垂直于目标路段的风速分量，根据垂直于目标路段的风速分量和施工场地的第一扬尘指标，计算出施工场地对目标路段各位置的扬尘影响程度；

将施工场地对目标路段各位置的扬尘程度求和，得到施工场地对目标路段的扬尘影响指标。

3.根据权利要求2所述的一种基于人工智能的道路洒水车调度方法，其特征在于，采用如下公式计算施工场地对目标路段各位置的扬尘影响程度：其中，为目标路段上的任一位置，为自然情况下扬尘的传播随距离的衰减系数，为施工场地到目标路段位置 的垂直距离， 为垂直于目标路段位置 的风速分量的大小， 为施工场地对目标路段位置 的扬尘影响程度, 为施工场地的第一扬尘指标。

4.根据权利要求1所述的一种基于人工智能的道路洒水车调度方法，其特征在于，根据所述目标路段的路面图像，计算路面裸土区域和路面破损区域的面积的方法包括：将获取的目标路段的路面图像转换至 颜色空间，根据设定的 颜色空间通道阈值，对路面裸土区域和道路的颜色特征进行区分，得到路面裸土区域的连通域信息；

根据所述路面裸土区域的连通域信息，计算路面裸土区域的面积；

获取路面图像的灰度共生矩阵，根据灰度共生矩阵的逆差矩来判断路面图像的纹理变化情况；

根据所述路面图像的纹理变化情况，判断路面是否出现破损，若路面出现破损，利用Kmeans距离聚类算法对路面图像进行聚类，得到路面破损区域的连通域信息；

根据路面破损区域的连通域信息，计算路面破损区域的面积。

5.根据权利要求1所述的一种基于人工智能的道路洒水车调度方法，其特征在于，采用如下公式计算车辆对路面扬尘的影响系数：其中， 表示路面裸土区域对道路扬尘的影响系数，表示路面破损区域对道路扬尘的影响系数， 表示车辆在路面裸土区域的速度，表示车辆在路面破损区域的速度， 表示车辆在路面裸土区域的行驶距离， 表示车辆在路面破损区域的行驶距离， 表示车辆对路面扬尘的影响系数。

6.根据权利要求1所述的一种基于人工智能的道路洒水车调度方法，其特征在于，采用如下公式计算路面裸土区域的有效通车面积和路面破损区域的有效通车面积：其中， 为路面裸土区域的有效通车面积， 为路面破损区域的有效通车面积， 为第个路面裸土区域的连通域的面积，为第 个路面破损区域的连通域面积，为路面裸土区域连通域的数量，为路面破损区域连通域的数量，为的总通车数量，为目标路段上第个路面裸土区域的连通域，为目标路段上第 个路面破损区域的连通域， 为通过路面裸土区域的车辆数量， 为通过路面破损区域的车辆数量。

7.根据权利要求1所述的一种基于人工智能的道路洒水车调度方法，其特征在于，采用如下公式计算目标路段的洒水量：

其中， 表示目标路段的洒水量，为扬尘指标和洒水量的影响系数，表示目标路段的当前扬尘程度， 表示目标路段的当前扬尘程度与标准扬尘程度的差异。

8.一种基于人工智能的道路洒水车调度系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1‑7任一项所述的基于人工智能的道路洒水车调度方法。