1.一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述方法包括如下步骤：步骤S1、每隔一定周期t监测车辆制动系统实时状态参数；

步骤S2、根据车辆制动系统的实时状态参数计算车辆的当前养护状态系数；

步骤S3、根据当前养护状态系数判断车辆制动系统当前的养护状态，将车辆的当前养护状态系数 与预设养护状态系数阈值 比较，当车辆的当前养护状态系数 大于预设养护状态系数阈值 时，则需要立即进行养护，否则，进入步骤S4；

步骤S4、根据定期获取的车辆制动系统实时状态参数得到车辆制动系统参数历史变化情况；

步骤S5、根据车辆制动系统参数历史变化情况计算车辆的养护状态预测系数；

步骤S6、根据车辆的养护状态预测系数对车辆的养护状态进行预测，将车辆的养护状态预测系数 与车辆的养护状态预测系数阈值 比较，当车辆的养护状态预测系数大于预设的车辆的养护状态预测系数阈值 ，则预测车辆处于养护状态临界点，进入步骤S7，否则，预测车辆当前不需要进行养护；

步骤S7、获取车辆日常行驶参数，根据车辆的养护状态预测系数和预设的车辆的养护状态预测系数阈值，预测计算车辆养护时间期限；

所述步骤S1中定期获取的车辆制动系统实时状态参数包括：刹车片的磨损量D、制动液液面高度H和制动踏板行程L；

所述步骤S7中车辆日常行驶参数包括：车辆日常行驶里程M和车辆日常行驶油耗V；

所述步骤S2的具体过程包括：

获取车辆制动系统当前各个刹车片的磨损量 、制动液液面高度H和制动踏板行程L；

根据下式计算车辆的当前养护状态系数 ：

式中，、 和 分别为预设的权重系数，其中，＞ ＞ ＞0，n为刹车片总数量，n＞i＞

0，且i属于[1，n]， 表示为第i片刹车片的磨损量， 为第i片刹车片预设衡量磨损量，为预设衡量制动液液面高度， 为预设衡量制动踏板行程；

所述步骤S5的具体过程包括：

获取每个周期t的监测的车辆制动系统状态参数，分别拟合车辆制动系统各个刹车片的磨损量 随时间t变化函数 、制动液液面高度随时间变化函数H（t）和制动踏板行程随时间变化函数L（t）；

构建直角坐标系xoy，x轴表示t，在直角坐标系中分别生成车辆制动系统各个刹车片的磨损量 随时间t变化函数 曲线 、制动液液面高度随时间变化函数H（t）曲线 和制动踏板行程随时间变化函数L（t）曲线 ；

通过下式计算曲线 与x轴围成的面积 、曲线 与x轴围成的面积 和曲线 与x轴围成的面积 ：将 、 和 代入下式计算车辆的养护状态预测系数 ：，式

中， 、 和 分别为函数 、函数H（t）和函数L（t）的最大值， 、 和 分别为函数 、函数H（t）和函数L（t）的最小值；

所述步骤S7的具体过程为：

通过公式计算车辆养护时间期限指示值 ：

式中， 为预设的车辆日常标准行驶里程， 预设的车辆日常标准行驶油耗， 为转换系数；

将 作为输入值输入神经网络模型，输出的结果为建议车辆养护时间期限。

2.根据权利要求1所述的一种基于用户大数据分析的车辆养护状态智能预测方法，其特征在于，所述神经网络模型为根据历史数据训练完成的BP选择网络模型。