1.一种基于时空路网像素化表示的交通流量数据插补方法，其特征在于，包括：

S1：获取交通卡口的车流基本数据；

S2：根据车流基本数据构建交通路网并得到交通路网的邻接矩阵；根据车流基本数据得到路网关系特征相似度矩阵；

S3：根据路网关系特征相似度矩阵和邻接矩阵通过RoadNet2pix算法对卡口节点进行像素化处理，得到卡口流量图像；对卡口节点进行像素化处理的过程包括：S31：根据邻接矩阵和路网关系特征相似度矩阵，以卡口为节点，路网关系特征相似度为边权构建加权卡口关系网络；

S32：采用Node2vec算法对加权卡口关系网络进行处理，生成线性卡口序列；根据线性卡口序列，将卡口节点嵌入到二维空间；采用Node2vec算法对加权卡口关系网络进行处理的过程包括：根据路网关系特征相似度定义二阶游走策略；根据二阶游走策略计算节点转移概率；根据节点转移概率在加权卡口关系网络中进行游走并生成线性卡口序列；二阶游走策略表示为：πxy＝αpq(k,x)·wxy

其中，αpq(k,x)表示搜索偏差，wxy表示节点x到节点y的路网关系特征相似度；

S33：根据卡口节点在二维空间的分布对二维空间进行切分，得到网格像素空间；在网格像素空间中对卡口节点进行分离，得到路网像素矩阵；

S34：将卡口节点的流量数据填充到路网像素矩阵中，得到卡口流量图像；

S4：将卡口流量图像输入到训练好的基于STAGAN的缺失数据生成模型中，得到数据插补好的完整卡口流量图像；得到数据插补好的完整卡口流量图像的过程包括：基于STAGAN的缺失数据生成模型包括训练好的STA生成器和判别器；

S41：采用STA生成器对卡口流量图像进行处理，得到具有时空特征的完整卡口流量图像；其中，STA生成器包括VAE组块和时空特征关注组件；STA生成器对卡口流量图像进行处理的过程包括：采用时空特征关注组件对卡口流量图像进行处理，得到空间注意力值和不同时间段上卡口的关注度；根据空间注意力值和不同时间段上卡口的关注度，采用VAE组块对卡口流量图像进行处理，得到具有时空特征的完整卡口流量图像；时空特征关注组件对卡口流量图像进行处理的过程包括：时空特征关注组件包括空间关系感知注意块和时间长序列注意块；采用空间关系感知注意块根据卡口流量图像得到卡口节点特征向量，对卡口节点特征向量进行处理，得到卡口节点关系向量；拼接卡口节点特征向量和卡口节点关系向量，得到空间关系感知特征，根据空间关系感知特征得到空间注意力值；采用时间长序列注意块对卡口流量图像进行处理，得到不同时间段上卡口的关注度；

S42：根据原始卡口流量图像，采用判别器对完整卡口流量图像进行判别，得到与原始卡口流量图像最相似的完整卡口流量图像。

2.根据权利要求1所述的一种基于时空路网像素化表示的交通流量数据插补方法，其特征在于，所述车流基本数据包括卡口的当前车流数据和历史车流数据；车流数据包括车辆通过卡口的时间，车辆行进方向、车辆流量和车辆行驶平均速度。