1.一种城市交通大气颗粒物浓度预测方法，其特征在于，包括：

响应城市交通大气颗粒物浓度预测指令，获取车载摄像设备中的连续拍摄的多个城市街景图像以及其相对应的地理位置信息、所在交通路段的PM2.5浓度，其中，所述地理位置信息包括POI信息、归一化植被指数、建筑密度的一项或任意多项；

采用已训练至收敛状态的图像分割模型对所述城市街景图像进行图像分割，以提取出所述城市街景图像中各个目标区域图像中的目标区域轮廓相对应的掩膜数据，其中，所述目标区域包括绿植区域、机动车区域、天空区域、建筑物区域、围栏区域、柱子区域以及墙壁区域；

根据所述掩膜数据计算确定所述城市街景图像中各个目标区域图像中的目标区域轮廓相对应的像素数量，根据各个目标区域轮廓相对应的像素数量计算确定城市环境特征因子，所述城市环境特征因子包括绿视率、车辆干扰指数、天空能见度指数以及空间围护指数；

基于所述PM2.5浓度计算确定所述城市街景图像所在交通路段相对应的PM2.5污染中的波动比率以及PM2.5污染后的恢复比率，基于所述PM2.5污染中的波动比率以及所述PM2.5污染后的恢复比率，计算确定所述城市街景图像所在交通路段相对应的PM2.5路段弹性系数；

基于所述地理位置信息、城市环境特征因子、波动比率、恢复比率、PM2.5路段弹性系数以及其相对应的PM2.5浓度构建样本数据集，采用以所述样本数据集训练出的大气颗粒物浓度预测模型，预测出目标城市街景图像所在交通路段相对应的PM2.5浓度，以完成城市交通大气颗粒物浓度的预测。

2.根据权利要求1所述的城市交通大气颗粒物浓度预测方法，其特征在于，采用已训练至收敛状态的图像分割模型对所述城市街景图像进行图像分割，以提取出所述城市街景图像中各个目标区域图像中的目标区域轮廓相对应的掩膜数据的步骤,包括：针对所述目标区域图像进行多级编码，并相应产出相对应尺度的中间特征信息，所述中间特征信息为所述目标区域图像中待处理信息的特征表示；

在解码路径上相应进行多级解码，以最小尺度的中间特征信息产出第一图像特征信息，之外逐级以上一级图像特征信息及其同级编码产出的中间特征信息为参考，对应解码出更高尺度的图像特征信息，所述图像特征信息用于以掩膜形式表示所述目标区域图像中待处理信息的轮廓特征；

融合所有图像特征信息，生成所述目标区域图像中目标轮廓区域的掩膜数据。

3.根据权利要求1所述的城市交通大气颗粒物浓度预测方法，其特征在于，根据所述掩膜数据计算确定所述城市街景图像中各个目标区域图像中的目标区域轮廓相对应的像素数量，根据各个目标区域轮廓相对应的像素数量计算确定城市环境特征因子的步骤，包括：基于所述城市街景图像中绿植区域轮廓、机动车区域轮廓、天空区域轮廓、建筑物区域轮廓、围栏区域轮廓、柱子区域轮廓以及墙壁区域轮廓相对应的掩膜数据，计算确定所述城市街景图像中绿植区域轮廓、机动车区域轮廓、天空区域轮廓、建筑物区域轮廓、围栏区域轮廓、柱子区域轮廓以及墙壁区域轮廓相对应的像素数量；

计算确定所述绿植区域轮廓相对应的像素数量与所述城市街景图像中的像素总数量之间的第一比值，将所述第一比值作为绿视率，以确定所述绿视率；

计算确定所述机动车区域轮廓相对应的像素数量与所述城市街景图像中的像素总数量之间的第二比值，将所述第二比值作为车辆干扰指数，以确定所述车辆干扰指数；

计算确定所述天空区域轮廓相对应的像素数量与所述城市街景图像中的像素总数量之间的第三比值，将所述第三比值作为天空能见度指数，以确定所述天空能见度指数；

计算确定所述建筑物区域轮廓、所述绿植区域轮廓、所述围栏区域轮廓、所述柱子区域轮廓以及所述墙壁区域轮廓相对应的像素数量之间的和值，基于所述和值与所述城市街景图像中的像素总数量之间的第四比值，将所述第四比值作为空间围护指数，以确定所述空间围护指数。

4.根据权利要求1所述的城市交通大气颗粒物浓度预测方法，其特征在于，基于所述PM2.5浓度计算确定所述城市街景图像所在交通路段相对应的PM2.5污染中的波动比率的步骤，包括：获取所述城市街景图像所在交通路段的PM2.5浓度最高值以及某一时间的PM2.5浓度；

计算确定所述城市街景图像所在交通路段的PM2.5浓度最高值与所述城市街景图像所在交通路段的某一时间的PM2.5浓度之间的第一差值；

基于所述第一差值与所述城市街景图像所在交通路段的某一时间的PM2.5浓度之间的第五比值，将所述第五比值作为PM2.5污染中的波动比率，以确定所述城市街景图像所在交通路段相对应的PM2.5污染中的波动比率。

5.根据权利要求1所述的城市交通大气颗粒物浓度预测方法，其特征在于，基于所述PM2.5浓度计算确定所述城市街景图像所在交通路段相对应的PM2.5污染后的恢复比率的步骤，包括：获取所述城市街景图像所在交通路段的划定为PM2.5污染的前一天对应的PM2.5浓度、解除PM2.5污染的后一天对应的PM2.5浓度以及城市街景图像所在交通路段的PM2.5浓度最高值；

计算确定所述城市街景图像所在交通路段的PM2.5浓度最高值与所述解除PM2.5污染的后一天对应的PM2.5浓度之间的第二差值；

基于所述第二差值与所述划定为PM2.5污染的前一天对应的PM2.5浓度之间的第六比值，将所述第六比值作为PM2.5污染后的恢复比率，以确定所述城市街景图像所在交通路段相对应的PM2.5污染后的恢复比率。

6.根据权利要求1所述的城市交通大气颗粒物浓度预测方法，其特征在于，基于所述PM2.5污染中的波动比率以及所述PM2.5污染后的恢复比率，计算确定所述城市街景图像所在交通路段相对应的PM2.5路段弹性系数的步骤，包括：确定所述城市街景图像所在交通路段相对应的PM2.5污染中的波动比率以及所述城市街景图像所在交通路段相对应的PM2.5污染后的恢复比率；

计算确定所述PM2.5污染后的恢复比率与所述PM2.5污染中的波动比率之间的第七比值，将所述第七比值作为PM2.5路段弹性系数，以确定所述城市街景图像所在交通路段相对应的PM2.5路段弹性系数。

7.根据权利要求1至6任意一项所述的城市交通大气颗粒物浓度预测方法，其特征在于，所述车载摄像设备包括行车记录仪、车顶摄像头、前向摄像头、后方摄像头或侧视摄像2

头的一项或任意多项；所述图像分割模型的基础网络架构为Unet模型；所述大气颗粒物浓度预测模型的基础网络架构为机器学习模型，所述机器学习模型包括随机森林模型。

8.一种城市交通大气颗粒物浓度预测装置，其特征在于，包括:

数据获取模块，设置为响应城市交通大气颗粒物浓度预测指令，获取车载摄像设备中的连续拍摄的多个城市街景图像以及其相对应的地理位置信息、所在交通路段的PM2.5浓度，其中，所述地理位置信息包括POI信息、归一化植被指数、建筑密度的一项或任意多项；

掩膜数据提取模块，设置为采用已训练至收敛状态的图像分割模型对所述城市街景图像进行图像分割，以提取出所述城市街景图像中各个目标区域图像中的目标区域轮廓相对应的掩膜数据，其中，所述目标区域包括绿植区域、机动车区域、天空区域、建筑物区域、围栏区域、柱子区域以及墙壁区域；

环境特征确定模块，设置为根据所述掩膜数据计算确定所述城市街景图像中各个目标区域图像中的目标区域轮廓相对应的像素数量，根据各个目标区域轮廓相对应的像素数量计算确定城市环境特征因子，所述城市环境特征因子包括绿视率、车辆干扰指数、天空能见度指数以及空间围护指数；

弹性系数确定模块，设置为基于所述PM2.5浓度计算确定所述城市街景图像所在交通路段相对应的PM2.5污染中的波动比率以及PM2.5污染后的恢复比率，基于所述PM2.5污染中的波动比率以及所述PM2.5污染后的恢复比率，计算确定所述城市街景图像所在交通路段相对应的PM2.5路段弹性系数；

PM2.5浓度预测模块，设置为基于所述地理位置信息、城市环境特征因子、波动比率、恢复比率、PM2.5路段弹性系数以及其相对应的PM2.5浓度构建样本数据集，采用以所述样本数据集训练出的大气颗粒物浓度预测模型，预测出目标城市街景图像所在交通路段相对应的PM2.5浓度，以完成城市交通大气颗粒物浓度的预测。

9.一种电子设备，包括中央处理器和存储器，其特征在于，所述中央处理器用于调用运行存储于所述存储器中的计算机程序以执行如权利要求1至7中任意一项所述的方法的步骤。

10.一种计算机可读存储介质，其特征在于，其以计算机可读指令的形式存储有依据权利要求1至7中任意一项所述的方法所实现的计算机程序，该计算机程序被计算机调用运行时，执行相应的方法所包括的步骤。