1.一种基于物联网的物理空间管理系统，其特征在于，所述系统包括近邻密度计算模块、数据聚类模块、距离拓扑图生成模块、目标存储节点选取模块及分布存储模块，其中：所述近邻密度计算模块，用于获取物联网数据集及数据存储节点，计算所述物联网数据集中每个物联网数据的数据距离，根据所述数据距离计算每个所述物联网数据的近邻密度；

所述数据聚类模块，用于根据所述近邻密度及所述数据距离计算聚类中心及近邻相似度，根据所述聚类中心及所述近邻相似度对所述物联网数据集进行数据聚类，得到数据类簇集；

所述距离拓扑图生成模块，用于构建所述数据存储节点之间的节点连通图，计算每个所述数据存储节点之间的节点距离，根据所述节点距离生成所述节点连通图对应的距离拓扑图；

所述目标存储节点选取模块，用于确定所述距离拓扑图中每个数据存储节点的数据存储速度，根据所述数据存储速度从所述距离拓扑图中选取目标存储节点；

所述分布存储模块，用于获取每个所述目标存储节点的节点属性，根据所述节点属性计算所述每个所述目标存储节点与所述数据类簇集中每个数据类簇之间的节点适配度，根据所述节点适配度对所述数据类簇集进行分布存储。

2.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述近邻密度计算模块在根据所述数据距离计算每个所述物联网数据的近邻密度时，具体用于：根据所述数据距离计算每个所述物联网数据的自然近邻数据；

根据所述自然近邻数据及其对应的数据距离计算每个所述物联网数据之间的数据隶属度；

利用如下公式计算每个所述物联网数据的数据隶属度：

其中，u(xi，xj)表示第i个物联网数据xi与第j个物联网数据xj之间的数据隶属度，dij表示物联网数据xi与物联网数据xj之间的数据距离，bi表示第i个物联网数据xi对应的自然近邻数据的总数，N(xi)表示第i个物联网数据xi对应的自然近邻数据的集合；

根据所述数据隶属度及所述自然近邻数据计算每个所述物联网数据的近邻密度；

利用如下公式计算每个所述物联网数据的近邻密度：

其中，ρi表示第i个物联网数据xi的近邻密度，u(xi，xj)表示第i个物联网数据xi与第j个物联网数据xj之间的数据隶属度，N(xi)表示第i个物联网数据xi对应的自然近邻数据的集合，bi表示第i个物联网数据xi对应的自然近邻数据的总数，k表示预设的近邻数据的总数。

3.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述数据聚类模块，在根据所述近邻密度及所述数据距离计算聚类中心及近邻相似度时，具体用于：根据所述近邻密度及所述数据距离确定每个所述物联网数据的相对距离，将所述相对距离与所述近邻密度相乘，得到每个所述物联网数据的聚类中心度；

根据所述聚类中心度确定预设数量的聚类中心；

根据所述数据距离计算每个所述物联网数据的K近邻数据集，根据所述K近邻数据集确定所述物联网数据之间的共享近邻集；

根据所述共享近邻集及所述K近邻数据集计算近邻相似度。

4.如权利要求3所述的基于物联网的物理空间管理系统，其特征在于，所述数据聚类模块在根据所述共享近邻集及所述K近邻数据集计算近邻相似度时，具体用于：根据所述K近邻数据集计算所述物联网数据之间的相似度；

利用如下公式计算所述物联网数据之间的相似度：

其中，w(xi,xj)表示第i个物联网数据xi与第j个物联网数据xj之间的相似度，N(xi)表示第i个物联网数据xi对应的自然近邻数据的集合，knn(xi)表示第i个物联网数据xi对应的K近邻数据集，dij表示第i个物联网数据xi与第j个物联网数据xj之间的数据距离，k表示预设的近邻数据的总数；

根据所述共享近邻集计算计算所述物联网数据之间的相似度权重；

利用如下公式计算所述物联网数据之间的相似度权重：

其中，β(xi,xj)表示第i个物联网数据xi与第j个物联网数据xj之间的相似度权重，|SN(xi,xj)|表示共享近邻集中的数据总数，k表示预设的近邻数据的总数；

根据所述相似度及所述相似度权重计算所述物联网数据之间的近邻相似度。

5.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述数据聚类模块在根据所述聚类中心及所述近邻相似度对所述物联网数据集进行数据聚类，得到数据类簇集，具体用于：将所述聚类中心的自然近邻数据分配给所述聚类中心对应的类簇中，得到初始数据类簇集及未分配物联网数据；

根据所述近邻相似度将所述未分配物联网数据分配到所述初始数据类簇集，得到数据类簇集。

6.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述距离拓扑图生成模块在构建所述数据存储节点之间的节点连通图时，具体用于：获取所述数据存储节点之间的链路关系；

以所述数据存储节点为顶点，根据所述链路关系及所述顶点生成所述数据存储节点之间的节点连通图。

7.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述目标存储节点选取模块在根据所述数据存储速度从所述距离拓扑图中选取目标存储节点时，具体用于：计算所述距离拓扑图中每个数据存储节点的最短节点距离；

将所述最短节点距离大于等于预设的节点距离对应的数据存储节点作为初始存储节点；

根据每个所述初始存储节点的数据存储速度选取预设数量阈值的目标存储节点。

8.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述距离拓扑图生成模块在根据所述节点距离生成所述节点连通图对应的距离拓扑图时，具体用于：在所述节点连通图中逐一选取一个顶点作为目标顶点；

根据所述节点距离确定所述节点连通图中每个顶点与所述目标顶点之间的目标节点距离；

将所述目标节点距离小于预设距离阈值的顶点与所述目标顶点相连，得到所述节点连通图对应的距离拓扑图。

9.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述分布存储模块在根据所述节点属性计算所述每个所述目标存储节点与所述数据类簇集中每个数据类簇之间的节点适配度时，具体用于：分别将所述数据类簇集中每个数据类簇分配给所述目标存储节点后，计算每个所述目标存储节点的分配存储指标；

利用如下公式计算每个所述目标存储节点的分配存储指标：

M(h,s)＝α(muse/mtotal)+α(1―LRs)其中，M(h,s)表示将数据类簇s分配给目标存储节点h后目标存储节点h后的分配存储指标，α表示预设的衡量系数，muse将数据类簇s分配给目标存储节点h后目标存储节点h后的可用存储空间，mtotal表示目标存储节点h的总存储空间，LRs将数据类簇s分配给目标存储节点h后将数据类簇s分配给目标存储节点h后的剩余负载；

根据所述分配存储指标所述及所述节点属性计算每个所述目标存储节点与每个所述数据类簇之间的节点适配度；

利用如下公式计算每个所述目标存储节点与每个所述数据类簇之间的节点适配度：H(h,s)＝λ1Eh+λ2Bh+λ3M(h,s)

其中，H(h,s)表示数据类簇s与目标存储节点h之间的节点适配度，Eh表示目标存储节点h的剩余带宽，Bh表示目标存储节点h的CPU，M(h,s)表示将数据类簇s分配给目标存储节点h后目标存储节点h后的分配存储指标，λ1、λ2、λ3分别表示预设的指标权重。

10.一种基于物联网的物理空间管理方法，其特征在于，所述方法包括：获取物联网数据集及数据存储节点，计算所述物联网数据集中每个物联网数据的数据距离，根据所述数据距离计算每个所述物联网数据的近邻密度；

根据所述近邻密度及所述数据距离计算聚类中心及近邻相似度，根据所述聚类中心及所述近邻相似度对所述物联网数据集进行数据聚类，得到数据类簇集；

构建所述数据存储节点之间的节点连通图，计算每个所述数据存储节点之间的节点距离，根据所述节点距离生成所述节点连通图对应的距离拓扑图；

确定所述距离拓扑图中每个数据存储节点的数据存储速度，根据所述数据存储速度从所述距离拓扑图中选取目标存储节点；

获取每个所述目标存储节点的节点属性，根据所述节点属性计算所述每个所述目标存储节点与所述数据类簇集中每个数据类簇之间的节点适配度，根据所述节点适配度对所述数据类簇集进行分布存储。