1.一种基于物联网的高速路车流预测方法，其特征在于，包括：定义高速路距离最近的两个入口之间的路段为单位高速路；

预先按照每个单位高速路中的最低限速计算该单位高速路的通过时间；

获取各个单位高速路第一个入口每个时段的在线车辆历史数据；

接收车辆的车流预测请求，所述车流预测请求包括车辆的实时位置以及需要预测的单位高速路W1车流；

根据车辆的实时位置判断该车辆所在的单位高速路W2；

实时获取当前时刻T1该车辆所在的单位高速路第一入口的实时车流数据A；

根据该实时车流数据A、在线车辆历史数据和单位高速路的通过时间预测单位高速路W1在线车流数据。

2.根据权利要求1所述的基于物联网的高速路车流预测方法，其特征在于，所计算的单位高速路的通过时间存储在表格中。

3.根据权利要求1所述的基于物联网的高速路车流预测方法，其特征在于，获取各个单位高速路第一个入口每个时段的在线车辆历史数据的具体步骤包括：选择一个日常历史周，将该日常历史周每天划分成若干个时段；

获取该日常历史周每天每个时段的在线车流历史数据；

将该在线车流历史数据除此每个时段的时间跨度得到日常历史周每个时段的平均在线车流历史数据。

4.根据权利要求3所述的基于物联网的高速路车流预测方法，其特征在于，获取各个单位高速路第一个入口每个时段的在线车辆历史数据的具体步骤还包括：根据国家法定节假日前后浮动一定的日期，形成假日周期；

将该假日周期每天划分成若干个时段；

获取某一历史年度中该假日周期每天每个时段的在线车流历史数据；

将该在线车流历史数据除此每个时段的时间跨度得到假日周期每个时段的平均在线车流历史数据。

5.根据权利要求4所述的基于物联网的高速路车流预测方法，其特征在于，所述方法还包括将该平均在线车流历史数据与对应的单位高速路、时段存储在表格中。

6.根据权利要求5所述的基于物联网的高速路车流预测方法，其特征在于，根据该实时车流数据A、在线车辆历史数据和单位高速路的通过时间预测单位高速路W1在线车流数据的具体步骤包括：计算从W2到W1所需要经过的单位高速路，根据所经过的单位高速路的通过时间计算从W2到W1所需要的时间T2；

根据T2和T1预测该车辆到达W1的时刻T3；

查询T1和T3所在的时段所对应的平均在线车流历史数据，记为L1和L3利用公式A* L3/ L1预测得到该车辆到达单位高速路W1时的在线车流数据。

7.根据权利要求5所述的基于物联网的高速路车流预测方法，其特征在于，所述方法还包括拥堵程度预判模型，将交通拥堵程度划分为畅通、基本畅通、轻度拥堵、中度拥堵和严重拥堵；每个交通拥堵程度对应每个单位高速路设置在线车流阈值；将预测到的该车辆到达单位高速路W1时的在线车流数据与对应的在线车流阈值进行比较，从而预测该车辆到达单位高速路W1时的交通拥堵程度。