1.一种车辆行驶异常的检测方法，其特征在于，该检测方法包括：

通过车载GPS设备来表征获取待测车辆的行驶轨迹数据；

通过检测区域内的多个监控点来采集行驶状态下的车辆监控数据，以获取待测车辆的行为特征数据；

将获取的待测车辆行为特征数据和行驶轨迹数据合并成训练集，并对合并后的训练集进行预处理，而后输入到人工神经网络分析模型进行训练计算，以分析获得车辆行驶轨迹序列；

对合并后的训练集进行预处理的过程，包括：

对训练集中待测车辆行为特征数据和行驶轨迹数据，来进行前述两者在数据缺失或数据异常情形下的补充或修正处理；

对训练集中待测车辆的行驶轨迹数据同时进行样条差值处理，以减少行驶轨迹数据转化为坐标数据后的毛刺，以提高坐标数据在变化时的连续性；

修正处理后的训练集进行冗余数据去除处理，以提高训练集在人工神经网络分析模型中与训练数据库的匹配效率；

根据分析获得的车辆行驶轨迹序列与训练数据库的车辆行为模式进行比对，以确认待验车辆是否存在异常行驶行为；

所述车辆的行驶轨迹数据对应车辆的行驶动态信息，并通过坐标转换得到高斯坐标系下的坐标数据；

所述监控点采集的车辆监控数据由车辆车牌号码图像、车辆行驶行为图片、监控点位标识和采集时间组成；

所述人工神经网络分析模型的建立包括：

建立车辆异常行驶行为训练集：收集提取车辆在超速、倒车逆行、低速行驶、紧急制动、临时停车、紧急停车和正常行驶时的加速度和速度的参数特征，将其作为车辆动态参数特征，并对应匹配前述各个状态下的车辆位置图像以及车辆行驶朝向图像数据，一并录入数据库；

数据预处理及模型设计：对数据库内的各种参数数据、车辆位置图像以及车辆行驶朝向图像数据进行预处理，而后整理获得训练数据库，并对训练数据库内的车辆动态参数特征、车辆位置图像以及车辆朝向图像数据进行训练学习，进而形成人工神经网络分析模型；

测试人工神经网络分析模型：利用测试车辆客观评估分析模型的性能，并对训练数据库内的各种参数数据、车辆位置图像以及车辆朝向数据进行修正；

所述车辆行驶行为图片由待测车辆在车道上的一组行驶位置图片和一组行驶朝向图片组成；

在将待测车辆行为特征数据和行驶轨迹数据合并成训练集前，对待测车辆行为特征数据中的车辆监控数据进行选择处理，对车辆监控数据中的一组行驶位置图片和一组行驶朝向图片进行选用，即选择清晰度和辨识度高的一行驶位置图片和一行驶朝向图片作为车辆监控数据的训练选用图片，以便后续作为训练集的子模块，而后训练集输送至人工神经网络分析模型进行训练计算，以分析获得较为精准、可靠性高的车辆行驶轨迹序列；

通过对待测车辆使用多个监控点来采集其行驶状态下的车辆监控数据，并且配合车载GPS设备来表征获取待测车辆的行驶轨迹数据，从而通过采集待测车辆的加速度、速度来检测车辆在超速、倒车逆行、低速行驶、紧急制动、临时停车、紧急停车和正常行驶时的参数特征，并匹配对应的车辆位置图像以及车辆行驶朝向图像数据，进而合并形成训练集并输入到人工神经网络分析模型来进行训练计算，而后将计算获取的车辆行驶轨迹序列与训练数据库的车辆行为模式进行比对，以便及时有效地分析检测出车辆在交通场景中是否存在异常的行驶行为，最终为后续的车辆异常预警和干预管理提供了依据。

2.一种车辆行驶异常的检测装置，用于实现权利要求1所述的车辆行驶异常的检测方法，其特征在于，包括：第一获取模块，用于通过车载GPS设备来表征获取待测车辆的行驶轨迹数据；

第二获取模块，用于通过检测区域内的多个监控点来采集行驶状态下的车辆监控数据，来获取待测车辆的行为特征数据；

处理训练模块，用于将获取的待测车辆行为特征数据和行驶轨迹数据合并成训练集，并对合并后的训练集进行预处理，而后输入到人工神经网络分析模型进行训练计算，以分析获得车辆行驶轨迹序列；

比对判断模块，用于根据分析获得的车辆行驶轨迹序列与训练数据库的车辆行为模式进行比对，以确认待验车辆是否存在异常行驶行为。

3.根据权利要求2所述的一种车辆行驶异常的检测装置，其特征在于，还包括报警模块，用于当待验车辆存在异常行驶行为时，及时进行报警提示处理。

4.根据权利要求2所述的一种车辆行驶异常的检测装置，其特征在于：所述车辆行驶轨迹序列由训练分析后的待验车辆依次经过多个监控点位的车辆监控数据和行驶轨迹数据组成。