1.一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述道路结冰障碍预警方法包括以下步骤：获取系统中的历史道路图像数据，对所述历史道路图像数据进行数据预处理，得到训练历史道路图像数据；

基于ShuffleNetV2神经网络建立ShuffleNetV2道路结冰识别神经网络模型，利用Mish激活函数替换所述ShuffleNetV2道路结冰识别神经网络模型中的ReLU激活函数，得到初始ShuffleNetV2道路结冰识别神经网络模型；

将所述训练历史道路图像数据输入至所述初始ShuffleNetV2道路结冰识别神经网络模型中进行训练，得到目标ShuffleNetV2道路结冰识别神经网络模型；

获取系统中的实时道路图像数据，将所述实时道路图像数据输入至所述目标ShuffleNetV2道路结冰识别神经网络模型中进行识别，得到道路结冰实时状态；

根据所述道路结冰实时状态判断车辆在道路上能否驾驶，若判断为车辆不能驾驶，则生成第一道路预警信息，将所述第一道路预警信息传输至管理人员的移动终端；

根据道路结冰实时状态获取车辆最高驾驶速度和车辆最短驾驶间距，根据所述车辆最高驾驶速度和车辆最短驾驶间距生成第二道路预警信息，将所述第二道路预警信息传输至道路电子屏幕终端。

2.如权利要求1所述的一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述获取系统中的历史道路图像数据，对所述历史道路图像数据进行数据预处理，得到训练历史道路图像数据，包括：获取系统中的历史道路图像数据，所述历史道路图像数据至少包括雨雪天气道路结冰图像数据、大雾天气道路结冰图像数据、晴天道路结冰图像数据、冻雨天气道路结冰图像数据；

利用白平衡算法对所述历史道路图像数据进行图像色彩恢复，得到平衡道路图像数据；

利用伽马矫正对所述平衡道路图像数据的全局对比度进行调整，得到矫正道路图像数据；

基于Retinex理论将所述矫正道路图像数据分为反射分量和照度分量，选择在HSV颜色空间下对所述矫正道路图像数据进行处理，得到分量道路图像数据；

利用亮度增强方法对所述分量道路图像数据的照度分量进行增强，得到增强道路图像数据；

将所述增强道路图像数据通过多尺度融合处理，得到训练历史道路图像数据。

3.如权利要求1所述的一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述基于ShuffleNetV2神经网络建立ShuffleNetV2道路结冰识别神经网络模型，利用Mish激活函数替换所述ShuffleNetV2道路结冰识别神经网络模型中的ReLU激活函数，得到初始ShuffleNetV2道路结冰识别神经网络模型，包括：基于ShuffleNetV2神经网络建立ShuffleNetV2道路结冰识别神经网络模型；

利用Mish激活函数替换所述ShuffleNetV2道路结冰识别神经网络模型中的ReLU激活函数；

减少所述ShuffleNetV2道路结冰识别神经网络模型中的Shuffle单元使用次数；

利用ECA注意力机制增强所述初始ShuffleNetV2道路结冰识别神经网络模型的识别特征图中不同空间位置的信息，基于锯齿空洞卷积扩大所述初始ShuffleNetV2道路结冰识别神经网络模型的感受野，得到初始ShuffleNetV2道路结冰识别神经网络模型。

4.如权利要求1所述的一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述将所述训练历史道路图像数据输入至所述初始ShuffleNetV2道路结冰识别神经网络模型中进行训练，得到目标ShuffleNetV2道路结冰识别神经网络模型，包括：获取训练历史道路图像数据，将所述训练历史道路图像数据划分为左右两个分支通道，每个分支通道的图像数据各占1/2；

所述初始ShuffleNetV2道路结冰识别神经网络模型中的右分支通道进行3次卷积，步长设置为1；

在所述右分支通道的卷积完成时，将左右两个分支通道进行相加，融合所述训练历史道路图像数据中的特征；

基于所述初始ShuffleNetV2道路结冰识别神经网络模型中的softmax函数输出分类结果；

根据所述分类结果判断所述初始ShuffleNetV2道路结冰识别神经网络模型识别是否准确，若识别结果准确，得到目标ShuffleNetV2道路结冰识别神经网络模型。

5.如权利要求1所述的一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述获取系统中的实时道路图像数据，将所述实时道路图像数据输入至所述目标ShuffleNetV2道路结冰识别神经网络模型中进行识别，得到道路结冰实时状态，包括：获取系统中的实时道路图像数据，对所述实时道路图像数据进行数据处理；

所述数据处理至少包括：图像数据白平衡处理、图像数据对比度调整、图像数据增强处理、图像数据融合处理；

将数据处理后的实时道路图像数据输入至所述目标ShuffleNetV2道路结冰识别神经网络模型中进行识别，得到道路结冰实时状态；

所述道路结冰实时状态至少包括道路完全冻结状态、道路部分冻结状态、道路轻微冻结状态。

6.如权利要求1所述的一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述根据所述道路结冰实时状态判断车辆在道路上能否驾驶，若判断为车辆不能驾驶，则生成第一道路预警信息，将所述第一道路预警信息传输至管理人员的移动终端，包括：根据所述道路结冰实时状态判断车辆在道路上能否驾驶，若所述道路结冰实时状态为道路完全冻结状态，则判断为车辆不能驾驶；

通过气压传感器和温度传感器获取道路的实时气压数据和实时温度数据；

基于所述实时气压数据和实时温度数据生成道路冰冻融化时间和道路冰冻融化速度；

根据所述道路冰冻融化时间和道路冰冻融化速度生成第一道路预警信息，将所述第一道路预警信息传输至管理人员的移动终端；

通过图像传感器对结冰道路进行监控，获取结冰道路中的实时驾驶车辆，若所述实时驾驶车辆出现驾驶障碍，则将所述实时驾驶车辆的图像信息传输至管理人员的移动终端。

7.如权利要求1所述的一种基于图像识别的道路结冰障碍预警方法，其特征在于，所述根据道路结冰实时状态获取车辆最高驾驶速度和车辆最短驾驶间距，根据所述车辆最高驾驶速度和车辆最短驾驶间距生成第二道路预警信息，将所述第二道路预警信息传输至道路电子屏幕终端，包括：根据所述道路结冰实时状态判断车辆在道路上能否驾驶，若所述道路结冰实时状态为道路部分冻结状态、道路轻微冻结状态，则获取车辆最高驾驶速度和车辆最短驾驶间距；

若为道路部分冻结状态，则车辆最高驾驶速度为40KM/h，车辆最短驾驶间距为50m；

若为道路轻微冻结状态，则车辆最高驾驶速度为60KM/h，车辆最短驾驶间距为30m；

根据所述车辆最高驾驶速度和车辆最短驾驶间距生成第二道路预警信息，将所述第二道路预警信息传输至道路电子屏幕终端。

8.一种基于图像识别的道路结冰障碍预警系统，其特征在于，所述道路结冰障碍预警系统包括以下模块：数据获取模块，用于获取系统中的历史道路图像数据，对所述历史道路图像数据进行数据预处理，得到训练历史道路图像数据；

模型建立模块，用于基于ShuffleNetV2神经网络建立ShuffleNetV2道路结冰识别神经网络模型，利用Mish激活函数替换所述ShuffleNetV2道路结冰识别神经网络模型中的ReLU激活函数，得到初始ShuffleNetV2道路结冰识别神经网络模型；

模型训练模块，用于将所述训练历史道路图像数据输入至所述初始ShuffleNetV2道路结冰识别神经网络模型中进行训练，得到目标ShuffleNetV2道路结冰识别神经网络模型；

道路识别模块，用于获取系统中的实时道路图像数据，将所述实时道路图像数据输入至所述目标ShuffleNetV2道路结冰识别神经网络模型中进行识别，得到道路结冰实时状态；

第一预警模块，用于根据所述道路结冰实时状态判断车辆在道路上能否驾驶，若判断为车辆不能驾驶，则生成第一道路预警信息，将所述第一道路预警信息传输至管理人员的移动终端；

第二预警模块，用于根据道路结冰实时状态获取车辆最高驾驶速度和车辆最短驾驶间距，根据所述车辆最高驾驶速度和车辆最短驾驶间距生成第二道路预警信息，将所述第二道路预警信息传输至道路电子屏幕终端。

9.如权利要求8所述的一种基于图像识别的道路结冰障碍预警系统，其特征在于，所述数据获取模块包括以下子模块：获取子模块，用于获取系统中的历史道路图像数据，所述历史道路图像数据至少包括雨雪天气道路结冰图像数据、大雾天气道路结冰图像数据、晴天道路结冰图像数据、冻雨天气道路结冰图像数据；

平衡子模块，用于利用白平衡算法对所述历史道路图像数据进行图像色彩恢复，得到平衡道路图像数据；

调整子模块，用于利用伽马矫正对所述平衡道路图像数据的全局对比度进行调整，得到矫正道路图像数据；

处理子模块，用于基于Retinex理论将所述矫正道路图像数据分为反射分量和照度分量，选择在HSV颜色空间下对所述矫正道路图像数据进行处理，得到分量道路图像数据；

增强子模块，用于利用亮度增强方法对所述分量道路图像数据的照度分量进行增强，得到增强道路图像数据；

融合子模块，用于将所述增强道路图像数据通过多尺度融合处理，得到训练历史道路图像数据。

10.如权利要求8所述的一种基于图像识别的道路结冰障碍预警系统，其特征在于，所述数据获取模块包括以下子模块：建立子模块，用于基于ShuffleNetV2神经网络建立ShuffleNetV2道路结冰识别神经网络模型；

替换子模块，用于利用Mish激活函数替换所述ShuffleNetV2道路结冰识别神经网络模型中的ReLU激活函数；

减少子模块，用于减少所述ShuffleNetV2道路结冰识别神经网络模型中的Shuffle单元使用次数；

增强子模块，用于利用ECA注意力机制增强所述初始ShuffleNetV2道路结冰识别神经网络模型的识别特征图中不同空间位置的信息，得到子模块，用于基于锯齿空洞卷积扩大所述初始ShuffleNetV2道路结冰识别神经网络模型的感受野，得到初始ShuffleNetV2道路结冰识别神经网络模型。