1.一种基于大数据的智慧社区可视化实时监管方法，其特征在于，包括以下步骤：步骤S1、构建社区的智慧化监管网格，并将各个智慧化监管网格构建为智慧化监管网络；

步骤S2、对智慧化监管网络进行网络分析得到多组监管社团，并对多组监管社团内多个智慧化监管网格进行关联分析得到智慧化监管网格间的状态关联性，利用状态关联性将各个监管社团转化为全连接关联网络；

步骤S3、在各组监管社团中确定出可视化监测网格，并对可视化监测网格的可视化监测数据进行状态评估得到可视化监测网格的场景状态；

步骤S4、将同一监管社团中可视化监测网格的场景状态结合智慧化监管网格间的状态关联性得到监管社团中各个智慧化监管网格的场景状态，以利用智慧化监管网格的关联性来降低可视化实时数据流的大数据处理量。

2.根据权利要求1所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于：所述构建社区的智慧化监管网格，包括：将社区的平面图进行矩形化网格划分得到多个智慧化监管网格；

其中，智慧化监管网格的网格面积小于或等于可视化监测设备的监测视野面积。

3.根据权利要求2所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于：所述将各个智慧化监管网格构建为智慧化监管网络，包括：将各个智慧化监管网格作为各个网络节点；

获取各个智慧化监管网格中心位置的地理坐标，以及各个智慧化监管网格的历史可视化数据，计算相邻关系的两个智慧化监管网格间所述地理坐标的欧氏距离与历史可视化数据的欧氏距离的乘积作为相邻关系的两个智慧化监管网格间的关联权重；

依次将智慧化监管网格的相邻关系映射为对应网络节点的连接边；

将关联权重作为对应连接边的边权重，利用具有边权重的连接边将各个网络节点连接为智慧化监管网络；

所述关联权重的计算公式为：

式中，Wi,i+1为第i个智慧化监管网格和第i+1个智慧化监管网格间的关联权重，pi为第i个智慧化监管网格中心位置的地理坐标，pi+1为第i+1个智慧化监管网格中心位置的地理坐标，di为第i个智慧化监管网格的历史可视化数据，di+1为第i+1个智慧化监管网格的历史可视化数据，|pi‑pi+1|为pi和pi+1的欧氏距离，|di‑di+1|为di和di+1的欧氏距离，i为计数变量，第i个智慧化监管网格和第i+1个智慧化监管网格为相邻关系。

4.根据权利要求3所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于：所述对智慧化监管网络进行网络分析得到多组监管社团，包括：利用遗传算法对智慧化监管网络进行社团分析，以实现将智慧化监管社团划分为多组监管社团；

其中，位于同一组监管社团内的智慧化监管网格具有相近的场景状态，位于不同组监管社团内的智慧化监管网格具有不相近的场景状态。

5.根据权利要求4所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于：所述对多组监管社团内多个智慧化监管网格进行关联分析得到智慧化监管网格间的状态关联性，包括：在每组监管社团中对任意两个智慧化监管网格的进行关联分析得到任意两个智慧化监管网格的状态关联性；

所述状态关联性的量化分析公式为：

式中，Ij,k为监管社团中第j个智慧化监管网格和第k个智慧化监管网格间的状态关联性，pj为监管社团中第j个智慧化监管网格中心位置的地理坐标，pk为监管社团中第k个智慧化监管网格中心位置的地理坐标，dj为监管社团中第j个智慧化监管网格的历史可视化数据，dk为监管社团中第k个智慧化监管网格的历史可视化数据，|pj‑pk|为pj和pk的欧氏距离，|dj‑dk|为dj和dk的欧氏距离，j，k为计数变量。

6.根据权利要求5所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于：所述利用状态关联性将各个监管社团转化为全连接关联网络，包括：将每组监管社团中对任意两个智慧化监管网格间的状态关联性作为每组监管社团中对任意两个智慧化监管网格间的连接边的边权重；

将每组监管社团中对任意两个智慧化监管网格间利用具有连接边的边权重进行连接，以得到所述全连接关联网络。

7.根据权利要求6所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于：所述在各组监管社团中确定出可视化监测网格，包括：对监管社团中各个智慧化监管网格进行节点中心性度量得到各个智慧监管网格对应的节点中心度；

将节点中心度最高的智慧监管网格作为所述可视化监测网格。

8.根据权利要求7所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于，所述对可视化监测网格的可视化监测数据进行状态评估得到可视化监测网格的场景状态，包括：将所述可视化监测网格的可视化监测数据输入至预建立的状态评估器，由所述状态评估器输出可视化监测网格的场景状态的各状态评分；

所述状态评估器的模型表达式为：

式中，P_label1为场景状态中状态1的状态评分，P_labeln为场景状态中状态n的状态评分，d_now为可视化监测数据，BP为BP神经网络。

9.根据权利要求8所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于，所述将同一监管社团中可视化监测网格的场景状态结合智慧化监管网格间的状态关联性得到监管社团中各个智慧化监管网格的场景状态，包括：将同一监管社团中可视化监测网格的场景状态的各状态评分映射至所述全连接关联网络中，并依据全连接关联网络中的连接边的边权重计算出同一监管社团中除可视化监测网格外所有智慧化监管网格的场景状态的各状态评分；

所述同一监管社团中除可视化监测网格外所有智慧化监管网格的场景状态的各状态评分量化公式为：式中，Ij,k为监管社团中第j个智慧化监管网格和第k个智慧化监管网格间连接边的边权重，[P_label1,…,P_labeln]j为监管社团中第j个智慧化监管网格的场景状态的各状态评分，[P_label1,…,P_labeln]k为监管社团中第k个智慧化监管网格的场景状态的各状态评分，|[P_label1,…,P_labeln]j‑[P_label1,…,P_labeln]k|为[P_label1,…,P_labeln]j和[P_label1,…,P_labeln]k的欧氏距离。

10.根据权利要求9所述的一种基于大数据的智慧社区可视化实时监管方法，其特征在于，所述历史可视化数据为同一历史时序段内的各个时序处可视化数据构成的时序序列。