1.一种通过大数据预估行车伤亡事故率的方法，其特征在于，本方法包括：A：通过大数据库获取各种不同车辆类型的车辆在各种交通事故中的交通事故发生率，并通过交通事故基于车辆类型权重的数据挖掘计算方法得出各种车辆类型在交通事故中的比值数据；具体的，车辆类型包括车型特征、品牌特征和颜色特征中的任意一种或多种组合，所述交通事故基于车辆类型权重的数据挖掘的计算方法为公式①，即：An’＝1

＝X*(X1*T1+X2*T2+X3*T3+…Xn*Tn)+Y(Y1*B1+Y2*B2+…Yn*Bn)+Z*(Z1*C1+Z2*C2+…Zn*Cn)   ①其中，An’为交通事故对于车辆类型时的变量且其变量为1；

T1、T2、T3…Tn分别为车辆类型中的不同车型特征的权重；

X1、X2、X3…Xn分别为不同车型特征在交通事故中的交通事故发生率的比值；

B1、B2…Bn分别为车辆类型中的不同品牌特征的权重；

Y1、Y2、Y3…Yn分别为不同品牌特征在交通事故中的交通事故发生率的比值；

C1、C2…Cn分别为车辆类型中的不同颜色特征的权重；

Z1、Z2、Z3…Zn分别为不同颜色特征在交通事故中的交通事故发生率的比值；

X、Y、Z分别为车型特征、品牌特征和颜色特征在交通事故中所占的比值；

B：通过大数据库获取各种不同用户类型的用户在各种交通事故中的交通事故发生率，并通过交通事故基于用户类型权重的数据挖掘计算方法得出各种用户类型在交通事故中的比值数据；

C：结合步骤A和B中得到的比值数据并通过事故发生概率算法计算得出不同车辆类型和不同用户类型在交通事故中发生交通事故的概率。

2.根据权利要求1所述的通过大数据预估行车伤亡事故率的方法，其特征在于，所述的步骤A和步骤B同步进行；或者，先进行步骤B，再进行步骤A。

3.根据权利要求2所述的通过大数据预估行车伤亡事故率的方法，其特征在于，在步骤B中，所述用户类型包括年龄特征、性别特征和婚姻特征中的任意一种或多种组合。

4.根据权利要求3所述的通过大数据预估行车伤亡事故率的方法，其特征在于，在步骤B中，所述交通事故基于用户类型权重的数据挖掘计算方法为公式②，即：An”＝1＝U*(U1*N1+U2*N2…Un*Nn)+V*(V1*A+V2*B)+W*(W1*M1+W2*M2)   ②其中，An”为交通事故对于用户类型时的变量且其变量为1；

N1、N2…Nn分别为用户类型中的不同年龄特征的权重；

U1、U2…Un分别为不同年龄特征在交通事故中的交通事故发生率的比值；

A、B分别为用户类型中的不同性别特征的权重；

V1、V2分别为不同性别特征在交通事故中的交通事故发生率的比值；

M1、M2分别为用户类型中的不同婚姻特征的权重；

W1、W2分别为不同婚姻特征在交通事故中的交通事故发生率的比值；

U、V、W分别为年龄特征、性别特征和婚姻特征在交通事故中所占的比值。

5.根据权利要求4所述的通过大数据预估行车伤亡事故率的方法，其特征在于，在步骤C中，所述事故发生概率算法为公式③，即：An＝T*(T1*An’+T2*An”)   ③

其中，An为不同交通事故对于车辆类型和用户类型发生交通事故的概率；

T为An交通事故在总交通事故中的事故比率；

T1、T2分别为车辆类型和用户类型在An交通事故所占比重。

6.一种采用权利要求1-5任一项所述的通过大数据预估行车伤亡事故率的方法的通过大数据预估行车伤亡事故率的系统，其特征在于，本系统包括大数据库模块(1)，所述的大数据库模块(1)分别连接第一算法模块(2)和第二算法模块(3)，且所述的第一算法模块(2)和第二算法模块(3)均和事故发生概率算法模块(5)相连，其中：大数据库模块(1)：用于保存各类交通事故信息以及各类交通事故中包括发生各类交通事故的车辆类型和用户类型的数据；

第一算法模块(2)：用于通过交通事故基于车辆类型权重的数据挖掘计算方法，得出各种车辆类型在交通事故中的比值数据；

第二算法模块(3)：用于通过交通事故基于用户类型权重的数据挖掘计算方法，得出各种用户类型在交通事故中的比值数据；

事故发生概率算法模块(5)：用于结合第一算法模块(2)和第二算法模块(3)得出的比值数据并通过事故发生概率算法，计算得出不同车辆类型和不同用户类型在交通事故中发生交通事故的概率。

7.根据权利要求6所述的通过大数据预估行车伤亡事故率的方法，其特征在于，所述的事故发生概率算法模块(5)连接有手动监控管理模块(4)，其中：手动监控管理模块(4)：用于根据事故发生概率算法模块(5)得出的不同车辆类型和不同用户类型在交通事故中发生交通事故的概率获得交通事故易发生人群信息和/或交通事故易发生车辆信息。