1.一种车流量预测方法，其特征在于，所述方法包括：获取历史车流数据，其中，所述历史车流数据包括多组车流数据，所述车流数据包括车流量；

将所述历史车流数据中车流量小于预设第一阈值的车流数据进行补全，得到一次校正车流数据；

将所述一次校正车流数据中车流量大于预设第二阈值的车流数据进行平滑处理，得到二次校正车流数据；

利用预设算法对所述二次校正车流数据进行分析，得到预测车流量。

2.根据权利要求1所述的方法，其特征在于，所述获取历史车流数据，包括：获取多个采样周期中各单位采集时间的车流数据，得到历史车流数据，其中，若存在不包含车流数据的单位采集时间，将所述不包含车流数据的单位采集时间的车流量记为0。

3.根据权利要求1所述的方法，其特征在于，所述将所述历史车流数据中车流量小于预设第一阈值的车流数据进行补全，得到一次校正车流数据，包括：选取所述历史车流数据中车流量小于预设第一阈值的车流数据，作为待补全车流数据；

选取各采样周期中采集时间与所述待补全车流数据的采集时间相对应的车流数据，作为指定车流数据；

计算各所述指定车流数据的车流量的均值，得到补全值；

在所述历史车流数据中，将所述待补全车流数据的车流量设置为所述补全值，得到一次校正车流数据。

4.根据权利要求1所述的方法，其特征在于，所述将所述一次校正车流数据中车流量大于预设第二阈值的车流数据进行平滑处理，得到二次校正车流数据，包括：选取所述一次校正车流数据中车流量大于预设第二阈值的车流数据，作为待处理车流数据；

按照各车流数据的采集时间，选取所述待处理车流数据之前及之后的多个车流数据，作为目标车流数据；

计算各所述目标车流数据的车流量的均值，得到平滑值；

在所述一次校正车流数据中，将所述待处理车流数据的车流量设置为所述平滑值，得到二次校正车流数据。

5.根据权利要求1所述的方法，其特征在于，所述利用预设算法对所述二次校正车流数据进行分析，得到预测车流量，包括：利用三阶指数平滑模型的累加模型对所述二次校正车流数据进行分析，得到车流量预测模型；

通过所述车流量预测模型，输出指定时间的预测车流量。

6.一种车流量预测装置，其特征在于，所述装置包括：历史数据获取模块，用于获取历史车流数据，其中，所述历史车流数据包括多组车流数据，所述车流数据包括车流量；

一次校正模块，用于将所述历史车流数据中车流量小于预设第一阈值的车流数据进行补全，得到一次校正车流数据；

二次校正模块，用于将所述一次校正车流数据中车流量大于预设第二阈值的车流数据进行平滑处理，得到二次校正车流数据；

车流量预测模块，用于利用预设算法对所述二次校正车流数据进行分析，得到预测车流量。

7.根据权利要求6所述的装置，其特征在于，所述历史数据获取模块，具体用于：获取多个采样周期中各单位采集时间的车流数据，得到历史车流数据，其中，若存在不包含车流数据的单位采集时间，将所述不包含车流数据的单位采集时间的车流量记为0。

8.根据权利要求6所述的装置，其特征在于，所述一次校正模块，包括：第一判断子模块，用于选取所述历史车流数据中车流量小于预设第一阈值的车流数据，作为待补全车流数据；

第一数据选取子模块，用于选取各采样周期中采集时间与所述待补全车流数据的采集时间相对应的车流数据，作为指定车流数据；

补全值计算子模块，用于计算各所述指定车流数据的车流量的均值，得到补全值；

第一校正子模块，用于在所述历史车流数据中，将所述待补全车流数据的车流量设置为所述补全值，得到一次校正车流数据。

9.根据权利要求6所述的装置，其特征在于，所述二次校正模块，包括：第二判断子模块，用于选取所述一次校正车流数据中车流量大于预设第二阈值的车流数据，作为待处理车流数据；

第二数据选取子模块，用于按照各车流数据的采集时间，选取所述待处理车流数据之前及之后的多个车流数据，作为目标车流数据；

平滑值计算子模块，用于计算各所述目标车流数据的车流量的均值，得到平滑值；

第二校正子模块，用于在所述一次校正车流数据中，将所述待处理车流数据的车流量设置为所述平滑值，得到二次校正车流数据。

10.根据权利要求6所述的装置，其特征在于，所述车流量预测模块，包括：模型确定子模块，用于利用三阶指数平滑模型的累加模型对所述二次校正车流数据进行分析，得到车流量预测模型；

车流量输出子模块，用于通过所述车流量预测模型，输出指定时间的预测车流量。

11.一种电子设备，其特征在于，包括处理器及存储器；

所述存储器，用于存放计算机程序；

所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。