1.基于物联网的智慧交通系统监测与调节方法，其特征在于，包括以下步骤：

实时获取若干天的待监测城区内所有路口在不同方向上的第一车流量数据序列，第一车流量数据序列包括每个预设时段的车流量；

根据各个车流量所属第一车流量数据序列中的每个车流量，分析车流量的变化趋势和周期性特点，确定各个车流量的异常程度；

根据各个车流量的异常程度和相邻路口的车流量之间的关联情况，自适应ARIMA模型中的各个参数，获得每个路口在每个方向上的车流量预测模型；

获取当前设置时长的每个路口在不同方向上对应的第二车流量数据序列，将第二车流量数据序列输入到对应的车流量预测模型中，获得每个路口在不同方向上的预测结果；根据预测结果对每个路口的交通信号灯的时长进行调节；

所述根据各个车流量所属第一车流量数据序列中的每个车流量，分析车流量的变化趋势和周期性特点，确定各个车流量的异常程度，包括：将任一车流量作为目标车流量，根据目标车流量和距离目标车流量最近的第一预设数目个车流量，确定目标车流量的变化趋势异常因子；

将第一车流量数据序列划分为每天对应的车流量数据子序列，确定车流量数据子序列中与目标车流量位置相同的车流量，记为周期车流量，进而确定周期车流量的变化趋势异常因子；

根据目标车流量、各个周期车流量以及各个周期车流量的变化趋势异常因子，确定目标车流量的周期异常因子；

结合目标车流量的变化趋势异常因子和周期异常因子，确定目标车流量的异常程度，所述变化趋势异常因子和周期异常因子均与异常程度呈现正相关。

2.根据权利要求1所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述根据目标车流量和距离目标车流量最近的第一预设数目个车流量，确定目标车流量的变化趋势异常因子，包括：将距离目标车流量最近的第一预设数目个车流量作为邻近车流量，获得目标车流量的各个邻近车流量；

目标车流量的变化趋势异常因子的计算公式为：

；式中， 为目标车流量的变化趋势异常因子，

()为线性归一化函数，v为目标车流量的第v个邻近车流量，V为邻近车流量的个数，为目标车流量， 为目标车流量的第v个邻近车流量，为求绝对值函数， 为向上取整函数。

3.根据权利要求1所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述根据目标车流量、各个周期车流量以及各个周期车流量的变化趋势异常因子，确定目标车流量的周期异常因子，包括：对各个周期车流量的变化趋势异常因子进行负相关处理，获得各个周期车流量的初步权值，将初步权值与所有初步权值的累加和的比值作为最终权值；

将各个周期车流量与其对应的最终权值的乘积在所有周期车流量上的累加和作为所有周期车流量的加权值，计算目标车流量与所有周期车流量的加权值之间的差异，作为初始周期异常因子；

对初始周期异常因子进行归一化处理，将归一化后的初始周期异常因子作为目标车流量的周期异常因子。

4.根据权利要求1所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述根据各个车流量的异常程度和相邻路口的车流量之间的关联情况，自适应ARIMA模型中的各个参数，包括：将任一路口作为目标路口，将目标路口的任一方向作为目标方向，在目标方向上选取目标路口的前一个路口和后一个路口，将车辆行驶朝向目标方向的方向称为聚流方向，将车辆行驶离开目标方向的方向称为分流方向；

根据前一个路口在各个聚流方向上的各个车流量及其异常程度、目标路口在目标方向和分流方向上的各个车流量及其异常程度、后一个路口在聚流方向和分流方向上的各个车流量及其异常程度，确定目标路口在目标方向上的车流量预测模型的各个AR部分的参数和各个MA部分的参数；

在目标方向上选取位于目标路口之前且距离最近的第二预设数目个路口作为目标路口的相关路口，并获取目标路口的各个相关路口与目标路口之间的实际距离；

根据目标路口的各个相关路口在各个聚流方向上的各个车流量及其异常程度、目标路口的各个相关路口与目标路口之间的实际距离，确定目标路口在目标方向上的车流量预测模型的常数项。

5.根据权利要求4所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述确定目标路口在目标方向上的车流量预测模型的各个AR部分的参数和各个MA部分的参数，包括：将目标路口在目标方向上的任一车流量的采集时刻，记为t；根据采集时刻t的目标路口在目标方向、分流方向上的车流量、采集时刻t‑b的前一个路口在各个聚流方向上的车流量以及采集时刻t+c的后一个路口在聚流方向和分流方向上的车流量，确定采集时刻t的目标路口在目标方向上的车流量的第一噪声因子；其中，b为前一个路口到目标路口的平均行驶时长，c为目标路口到后一个路口的平均行驶时长；

根据采集时刻t的目标路口在目标方向上的车流量的异常程度、采集时刻t‑b的前一个路口在各个聚流方向上的车流量的异常程度以及采集时刻t+c的后一个路口在聚流方向和分流方向上的车流量的异常程度，确定采集时刻t的目标路口在目标方向上的车流量的第二噪声因子；

计算采集时刻t的目标路口在目标方向上的车流量的异常程度与第一噪声因子、第二噪声因子的乘积，对乘积进行归一化处理，将归一化处理后的乘积作为噪声程度，进而获取目标路口在目标方向上的各个车流量的噪声程度；

对目标路口在目标方向上的各个车流量的噪声程度进行负相关处理，获得初始参数；

将初始参数与所有初始参数的累加和的比值作为对应的车流量的AR部分的参数和MA部分的参数，进而获得目标路口在目标方向上的车流量预测模型的各个AR部分的参数和各个MA部分的参数；其中，同一车流量的AR部分的参数和MA部分的参数相等。

6.根据权利要求5所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述确定采集时刻t的目标路口在目标方向上的车流量的第一噪声因子，包括：；式中， 为采集时刻t的目标路

口在目标方向上的车流量的第一噪声因子， 为采集时刻t的目标路口在目标方向上的车流量， 、 和 分别为目标路口的目标方向、第一分流方向和第二分流方向， 为采集时刻t+c的后一个路口在聚流方向和分流方向上的车流量的累加和，C为目标路口的后一个路口，c为目标路口到后一个路口的平均行驶时长， 为采集时刻t‑b的前一个路口在各个聚流方向上的车流量的累加和，b为前一个路口到目标路口的平均行驶时长，B为目标路口的前一个路口， 为采集时刻t的目标路口在第一个分流方向上的车流量， 为采集时刻t的目标路口在第二个分流方向上的车流量，为求绝对值函数，为超参数。

7.根据权利要求6所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述确定采集时刻t的目标路口在目标方向上的车流量的第二噪声因子，包括：；式中， 为采集时刻t的

目标路口在目标方向上的车流量的第二噪声因子， 为采集时刻t的目标路口在目标方向上的车流量的异常程度， 为采集时刻t+c的后一个路口在聚流方向和分流方向上的车流量的异常程度的平均值， 为采集时刻t‑b的前一个路口在各个聚流方向上的车流量的异常程度的平均值，为求绝对值函数。

8.根据权利要求5所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述根据目标路口的各个相关路口在各个聚流方向上的各个车流量及其异常程度、目标路口的各个相关路口与目标路口之间的实际距离，确定目标路口在目标方向上的车流量预测模型的常数项，包括：；式中，

为目标路口在目标方向上的车流量预测模型的常数项，N为目标路口对应的相关路口个数，X为目标路口对应的相关路口序号，max[]为取最大值函数，T为当前时刻的下一时刻， 为采集时刻T‑x的第X个相关路口在各个聚流方向上的车流量的异常程度的累加值， 为采集时刻T‑x的第X个相关路口在各个聚流方向上的车流量的噪声程度的累加值，x为第X个目标路口到目标路口的平均行驶时长， 为采集时刻T‑x的第X个相关路口在各个聚流方向上的车流量的累加值， 为所有采集时刻的第X个相关路口在各个聚流方向上的车流量的累加值的平均值， 为第X个相关路口与目标路口之间的实际距离，exp()为以自然常数为底的指数函数。

9.根据权利要求1所述的基于物联网的智慧交通系统监测与调节方法，其特征在于，所述第一车流量数据序列中的每个车流量的获取步骤包括：对于任一路口的任一方向，先确定路口的绿灯时长占预设时段时长的比例，再确定路口在该方向上的原始车流量数据的一半，将原始车流量数据的一半与比例的比值作为路口在该方向上的车流量。