1.一种基于大数据的道路节点流量预测方法，其特征在于，包括以下步骤：步骤S1：对城市道路的分布信息进行采集，根据所采集的分布信息构建城市道路的GIS可视图；

步骤S2：为各个道路节点设置流量监测圈，通过流量监测圈获得道路节点的实时车流量和历史车流量；

步骤S3：根据历史车流量获得道路节点在不同时间段的车流量系数：

将一天划分为若干个时间段，各个时间段的时间间隔均相同，对于任一时间段，对该时间段在当天所获得的历史车流量进行统计，并将所获得的历史车流量的均值作为该时间段在当天的平均车流量；

对该时间段在每天的平均车流量进行统计，并将其标记为Ci，其中，i=1，2，……，n，对所获得的平均车流量进行变化评估，获得其相应的变化程度，记为Gi；

;

设置变化阈值G0，将所获得的变化程度与所设置的变化阈值进行比较，根据比较结果将所获得的平均车流量标记为正常状态和异常状态，若Gi≤G0，则将其标记为正常状态，若Gi＞G0，则将其标记为异常状态，并将所有被标记为正常状态的平均车流量的均值作为该道路节点在该时间段的车流量系数；

根据车流量系数构建道路节点的车流量预测模型，根据所构建的车流量预测模型获得道路节点在当前时间段的第一预测车流量；

步骤S4：获得流量监测圈内所有车辆的行驶数据，根据行驶数据构建车辆的行驶拓扑图：将当前处于流量监测圈内的车辆标记为该流量监测圈的监测车辆，对所标记的监测车辆的行驶数据进行采集，所述行驶数据包括车辆的行驶轨迹、行驶时速、行驶时长；

将车辆的行驶轨迹所通过的道路节点定义为行驶拓扑图中的点，将车辆的行驶轨迹所通过的道路线路定义为行驶拓扑图中的边，通过分析车辆的行驶时长以构建各个点之间的时序连接以获得车辆的行驶拓扑图；

根据所构建的行驶拓扑图预测车辆的驶向节点和驶达时刻，进而获得道路节点的第二预测车流量：在车辆的行驶拓扑图中，根据拓扑结构获得其相应的特征信息，选择逻辑回归模型作为初始的行驶预测模型，利用特征信息对初始的行驶预测模型进行训练评估以获得当前的行驶预测模型；

将当前车辆的特征信息输入至行驶预测模型，对其后续的行驶轨迹进行预测以输出相应的预测轨迹，根据预测轨迹获得车辆的驶向节点，根据车辆的行驶速度获得车辆到达驶向节点的驶达时刻；

获得将任一道路节点标记为驶向节点，并且在相应时间段即将驶达的车辆数量，并将其标记为该道路节点在相应时间段的第二预测车流量；

步骤S5：根据实时车流量判断第一预测车流量和第二预测车流量的准确度，根据两者的准确度获得道路节点的综合预测车流量。

2.根据权利要求1所述的一种基于大数据的道路节点流量预测方法，其特征在于，对城市道路的分布信息进行采集，根据所采集的分布信息构建城市道路的GIS可视图的过程包括：将城市道路分为道路线路和道路节点，所述城市道路的分布信息包括道路线路的线路信息和道路节点的节点信息；

利用GIS技术根据所采集的线路信息和节点信息分别构建道路线路和道路节点的GIS可视图，进而获得城市道路的GIS可视图。

3.根据权利要求2所述的一种基于大数据的道路节点流量预测方法，其特征在于，为各个道路节点设置流量监测圈，通过流量监测圈获得道路节点的实时车流量和历史车流量的过程包括：在所构建的GIS可视图中，以道路节点的地理坐标为圆心，构建道路节点的流量监测圈，获得其相应的流量监测段；

将各条流量监测段上的车辆数量标记为该道路节点的实时车流量，当出现新的实时车流量时，将原本的实时车流量标记为历史车流量。

4.根据权利要求3所述的一种基于大数据的道路节点流量预测方法，其特征在于，根据车流量系数构建道路节点的车流量预测模型，根据所构建的车流量预测模型获得道路节点在当前时间段的第一预测车流量的过程包括：采取同样的方法获得道路节点在各个时间段的车流量系数，将车流量系数及其相应的时间段作为该道路节点的车流量数据；

选择逻辑回归模型作为初始的车流量预测模型，将车流量数据划分为训练集和测试集，使用训练集对车流量预测模型进行训练，使用测试集对车流量预测模型进行评估，并获得最新的车流量预测模型；

将期望预测的时间段输入至车流量预测模型中，对道路节点在相应时间段的车流量进行预测以输出相应的第一预测车流量。

5.根据权利要求4所述的一种基于大数据的道路节点流量预测方法，其特征在于，根据实时车流量判断第一预测车流量和第二预测车流量的准确度，根据两者的准确度获得道路节点的综合预测车流量的过程包括：根据道路节点在上一时间段的实时车流量、第一预测车流量、第二预测车流量，获得第一预测车流量的第一准确度和第二预测车流量的第二准确度，根据第一准确度和第二准确度获得道路节点的综合预测车流量。