1.基于车辆大数据的隧道路段安全监控方法，其特征在于，所述方法包括：

获取预设时间段内高速公路隧道中监测点的烟尘浓度，以及每个车辆经过监测点对应的时刻；

根据每个车辆经过监测点对应的时刻后烟尘浓度数据变化情况，得到每个车辆对应的异常数据段；根据各个异常数据段对应时间长度的分布情况，得到每个异常数据段的扬尘影响特征值；

根据异常数据段中数据点的二维坐标位置将所有数据点划分为上升数据点和下降数据点；在每个车辆的异常数据段中，根据各个下降数据点的二维坐标位置以及对应车辆的扬尘影响特征值，得到每个下降数据点的真实扬尘影响程度；根据各个上升数据点的二维坐标位置、数据波动情况、对应车辆和前车的扬尘影响特征值，得到每个异常数据段中上升数据点的真实扬尘影响程度；

根据每个异常数据段中所有数据点的真实扬尘影响程度，得到真实烟雾浓度数据；根据真实烟雾浓度数据进行火灾监测；

所述异常数据段的获取方法包括：

获取预设时间段内监测点的烟尘浓度变化曲线，在所述烟尘浓度变化曲线中将每个车辆经过监测点后对应斜率大于预设斜率阈值的第一个数据点，作为每个车辆对应异常数据段的起点；将所述起点后的第一个极值点对应的数据点作为每个车辆对应异常数据段的峰值点；将所述起点后第二个极值点对应的数据点作为每个车辆对应异常数据段的终点；根据所述起点和所述终点，得到每个车辆对应的异常数据段；

所述下降数据点的真实扬尘影响程度的获取方法包括：

将每个异常数据段中每个下降数据点与对应终点之间的时刻差异，作为每个下降数据点的下降时刻差异值；将每个异常数据段中峰值点与对应终点之间的时刻差异，作为波峰下降时间长度；将所述下降时刻差异值与所述波峰下降时间长度的比值，作为每个下降数据点的下降时间影响程度；

获取正常烟尘浓度，将每个下降数据点的烟尘浓度与所述正常烟尘浓度之间的差异，作为每个下降数据点的下降数据值影响程度；

根据每个下降数据点对应的下降数据值影响程度以及对应的下降时间影响程度，得到每个下降数据点的下降参考影响程度，所述下降参考影响程度与所述下降数据值影响程度呈正相关，所述下降参考影响程度与所述下降时间影响程度呈正相关；将每个数据点的下降参考影响程度与对应异常数据段的扬尘影响特征值的乘积，作为每个下降数据点的真实扬尘影响程度；

所述上升数据点的真实扬尘影响程度的获取方法包括：

将每个异常数据段中每个上升数据点与对应起点之间的时刻差异，作为每个下降数据点的上升时刻差异值；将每个异常数据段中的峰值点与对应起点之间的时刻差异，作为波峰上升时间长度；将所述上升时刻差异值与所述波峰上升时间长度的比值，作为每个上升数据点的上升时间影响程度；

获取正常烟尘浓度，将每个上升数据点的烟尘浓度与所述正常烟尘浓度之间的差异，作为每个上升数据点的上升数据值影响程度；

根据每个上升数据点对应的上升数据值影响程度以及对应的上升时间影响程度，得到每个上升数据点的上升参考影响程度，所述上升参考影响程度与所述上升数据值影响程度呈正相关，所述上升参考影响程度与所述上升时间影响程度呈正相关；将每个数据点的上升参考影响程度与对应异常数据段的扬尘影响特征值的乘积，作为每个上升数据点的第一扬尘影响程度；

根据每个异常数据段中所有上升数据点的数据波动情况，得到每个上升数据点的数据波动影响程度；根据每个车辆对应异常数据段中每个上升数据点的上升参考影响程度、数据波动影响程度和前车的扬尘影响特征值，得到每个上升数据点的第二扬尘影响程度，所述第二扬尘影响程度与所述上升参考影响程度呈负相关，所述第二扬尘影响程度与所述数据波动影响程度呈正相关，所述第二扬尘影响程度与前车的扬尘影响特征值呈正相关；

根据所述第一扬尘影响程度和所述第二扬尘影响程度，得到每个上升数据点的真实扬尘影响程度；所述第一扬尘影响程度和所述第二扬尘影响程度均与所述真实扬尘影响程度呈正相关关系；

所述真实烟雾浓度数据的获取方法包括：

将所有异常数据段中所有数据点的真实扬尘影响程度进行归一化，得到每个数据点的真实扬尘影响程度归一化值，将真实扬尘影响程度归一化值大于等于预设影响阈值的数据点，作为失真数据点；将监测点对应的所有烟尘浓度数据中的失真数据点外的其他所有烟尘浓度数据，作为真实烟雾浓度数据；

所述扬尘影响特征值的获取方法包括：

统计所有异常数据段的时间长度，将每个异常数据段的时间长度与所有异常数据段的时间长度均值的差异，作为每个异常数据段的时间长度偏差，将所述时间长度偏差进行负相关映射，得到每个异常数据段的扬尘影响特征值。

2.根据权利要求1所述的基于车辆大数据的隧道路段安全监控方法，其特征在于，所述数据波动影响程度的获取方法包括：对每个异常数据段中所有上升数据点通过最小二乘法进行拟合，得到每个异常数据段的上升理论曲线，根据所述上升理论曲线得到每个上升数据点的理论数据值；将每个上升数据点的烟尘浓度与理论数据值之间的差值，作为每个上升数据点的残差；根据每个异常数据段中所有上升数据点的残差平方的累加和与所述波峰上升时间长度，得到每个异常数据段的平均波动程度，所述残差平方的累加和与所述平均波动程度呈正相关，所述波峰上升时间长度与所述平均波动程度呈负相关；

根据每个异常数据段中每个上升数据点的残差绝对值与所述平均波动程度，得到每个异常数据段中每个上升数据点的数据波动影响程度，所述数据波动影响程度与所述残差绝对值呈正相关，所述数据波动影响程度与所述平均波动程度呈负相关。

3.根据权利要求1所述的基于车辆大数据的隧道路段安全监控方法，其特征在于，所述根据异常数据段中数据点的二维坐标位置将所有数据点划分为上升数据点和下降数据点包括：将每个异常数据段对应起点到峰值点之间的数据点作为上升数据点，将每个异常数据段对应峰值点到终点之间的数据点作为下降数据点。

4.根据权利要求1所述的基于车辆大数据的隧道路段安全监控方法，其特征在于，所述正常烟尘浓度的获取方法包括：将所有异常数据段之外其他所有数据点的烟尘浓度的均值，作为正常烟尘浓度。

5.根据权利要求1所述的基于车辆大数据的隧道路段安全监控方法，其特征在于，所述根据所述第一扬尘影响程度和所述第二扬尘影响程度，得到每个上升数据点的真实扬尘影响程度的方法包括：将所述第一扬尘影响程度和第二扬尘影响程度的和值，作为每个上升数据点的真实扬尘影响程度。