1.一种基于大数据的物流轨迹预测优化方法，其特征在于，所述优化方法包括如下步骤：获取物流运输的天气数据、时间数据和交通流数据；

基于所述天气数据、所述时间数据和所述交通流数据，采用蚁群算法对物流轨迹进行综合预测，得到各个物流轨迹分别对应的信息素综合浓度；

根据各个物流轨迹分别对应的信息素综合浓度进行最优路径轨迹推送，并在物流运输过程中采集行驶偏好特征评分；

基于所述行驶偏好特征评分对各个物流轨迹分别对应的信息素综合浓度进行校正，基于校正后的信息素综合浓度对最优路径轨迹推送进行实时更新；

其中，在物流运输过程中采集行驶偏好特征评分具体包括：

获取目标物流运输区域的各个城市路段并进行标签分类，得到各个城市路段标签；

获取物流运输过程中的车辆在各个城市路段分别对应的平均行驶速率和速率标准差；

基于城市路段分别对应的城市路段标签、所述平均行驶速率和速率标准差进行行驶偏好特征评分，得到各个城市路段标签分别对应的行驶偏好特征评分；

获取目标物流运输区域的各个城市路段并进行标签分类具体包括：通过在线地图服务API获取目标物流运输区域内所有城市路段后，通过导航系统的路径几何信息，标记出各个城市路段中的弯道，将弯道按角度进行标签分类；

基于所述行驶偏好特征评分对各个物流轨迹分别对应的信息素综合浓度进行校正具体包括：获取各个城市路段标签分别对应的行驶偏好特征评分；

基于预设的映射表对各个城市路段标签分别对应的行驶偏好特征评分进行映射，得到各个城市路段标签分别对应的信息素衰减率；

根据各个城市路段标签分别对应的信息素衰减率对不同的城市路段类型的信息素局部赋值进行校正，进而在校正后根据各个城市路段对应的信息素局部赋值重新确定各个物流轨迹分别对应的信息素综合浓度；

其中，采用蚁群算法对物流轨迹进行综合预测，得到各个物流轨迹分别对应的信息素综合浓度具体包括：对所述天气数据、所述时间数据和所述交通流数据进行数值归一化，得到信息素权重值；

对目标物流运输区域的城市地图进行路段剪枝，得到各个城市路段，并基于各个城市路段分别对应的交通流数据进行信息素初始赋值；

根据所述信息素权重值定义蚁群算法的启发信息，根据所述启发信息和各个城市路段分别对应的信息素初始赋值进行路径选择，并对选择过的城市路段的信息素初始赋值进行局部更新；

持续进行多轮路径选择和城市路段的信息素局部更新，通过多轮迭代最终收敛得到多个城市路段组合，并分别作为物流轨迹，进而获取各个物流轨迹分别对应的信息素综合浓度。

2.如权利要求1所述的一种基于大数据的物流轨迹预测优化方法，其特征在于，定义蚁群算法的启发信息根据下式确定：其中， 为蚁群算法的启发信息， 为第n个城市路段长度，N为城市路段总数， 为天气权重， 为时间权重， 为各个城市路段分别对应的交通流权重的平均值。

3.如权利要求1所述的一种基于大数据的物流轨迹预测优化方法，其特征在于，根据各个物流轨迹分别对应的信息素综合浓度进行最优路径轨迹推送具体包括：获取各个物流轨迹分别对应的信息素综合浓度；

对各个物流轨迹分别对应的信息素综合浓度进行归一化，并将高于预设的归一化阈值的全部物流轨迹进行最优路径推送。

4.如权利要求1所述的一种基于大数据的物流轨迹预测优化方法，其特征在于，在校正后根据各个城市路段对应的信息素局部赋值重新确定各个物流轨迹分别对应的信息素综合浓度的过程中，校正后各个物流轨迹分别对应的信息素综合浓度为物流轨迹内的各个城市路段对应的信息素局部赋值之和。

5.如权利要求1所述的一种基于大数据的物流轨迹预测优化方法，其特征在于，基于校正后的信息素综合浓度对最优路径轨迹推送进行实时更新具体包括：获取校正后各个物流轨迹分别对应的信息素综合浓度并进行归一化，根据归一化阈值选取物流轨迹重新进行最优路径轨迹推送。

6.一种基于大数据的物流轨迹预测优化系统，用于执行如权利要求1至5任意一项所述的一种基于大数据的物流轨迹预测优化方法，其特征在于，所述物流轨迹预测优化系统包括：数据采集模块，用于获取物流运输的天气数据、时间数据和交通流数据；

物流轨迹预测模块，用于基于所述天气数据、所述时间数据和所述交通流数据，采用蚁群算法对物流轨迹进行综合预测，得到各个物流轨迹分别对应的信息素综合浓度；

所述物流轨迹预测模块，还用于根据各个物流轨迹分别对应的信息素综合浓度进行最优路径轨迹推送，并在物流运输过程中采集行驶偏好特征评分；

所述物流轨迹预测模块，还用于基于所述行驶偏好特征评分对各个物流轨迹分别对应的信息素综合浓度进行校正，基于校正后的信息素综合浓度对最优路径轨迹推送进行实时更新。