1.一种基于四叉树划分优化的单车GPS数据多视图可视交互分析方法，其特征在于，所述方法包括以下步骤：

1)首先基于四叉树和单车GPS数据的交通小区划分，借助单车GPS数据记录，根据四叉树的结构对地理空间进行划分，将整个城区划分为多个不同区块，形成交通小区，四叉树是一种树状数据结构，在每一个节点上会有四个子区块，它可以将地理空间递归划分为不同层次的树状结构，直到树的层次达到一定深度或者某一地理区域满足特定要求便停止递归，设定一区域内若车辆GPS记录总数大于M则继续递归划分，同时规定单个交通小区的最小边界为L乘以L区域，若待划分区域在四叉树递归之后新的边界值小于设定的最小边界，则不再继续划分，选取了单车n个月的GPS数据，将GPS记录的数据点打在地图上，通过四叉树递归划分，生成了交通小区网格；

2)交通小区优化整合

在被四叉树划分后的四等分区域中，会存在个别交通小区流量远小于其他交通小区的情况，对此，设定一流量下限值N，对流量值小于N的交通小区进行优化合并处理，做法为：对最终划分完成的交通小区的四叉树节点结构进行判断，当出现流量值低于下限值的区域时，对该交通小区相邻的两个节点区域进行流量值大小判断，将该区域流量值累加至流量值较大的相邻区域，同时判断累加后的交通小区流量值是否超过M，如未超过则合并完成，否则合并至另一相邻区域，如过仍旧超过设定值的上限M则停止合并；当该节点区域合并完成，继续按顺序判断下一节点区域流量大小，直至所在交通小区的4个节点区域全部合并完成，对于出现三个节点对应的交通小区流量值皆远小于另外一个时，可将这三个交通小区流量累加值作为新生成交通小区的流量值，按照原本区域位置组成新的交通小区；

3)交通雷达图绘制，在对整体交通小区划分完成之后，对单个交通小区内的车辆GPS数据进行统计与分析，对于分析结果，设计针对每个交通小区车辆GPS数据的交通雷达图；

4)基于Playfair的单车GPS数据时序图绘制，时序图由两个维度，横坐标表示时间，将一天24个小时分为8个阶段，每个阶段为3小时；纵坐标表示流量大小，虚线曲线表示流入交通小区的车辆流量，实线曲线表示流出该交通小区的车辆流量，两条曲线中间的填充部分表示流入与流出的流量差值，其中横线填充区域表示交通小区流量流出大于流入，竖线填充部分表示交通小区流量流入大于流出；

另外，时序图的后半段加入了预测功能，基于以往的单车GPS数据，采用ARIMA预测模型来对接下来一小时的道路交通流量进行预测，ARIMA模型的定义如公式(1)：

其中，yt为t时刻的道路交通流量，yt-i为t-i时刻的道路交通流量，μ为常数项，p为自回归项，q为移动平均项，γi为第i个自回归相关系数，∈t为t时刻的误差，∈t-i为t-i时刻的误差，θi为模型的第i个待估计参数，该模型一旦被识别之后，它就可以根据待预测对象的时间序列过去值及现在值来预测未来值，系统接入实时单车GPS数据后便可预测当前交通小区的未来一小时车辆流入流出情况，使用者根据自身需要，点击地图上兴趣区域，手动选择车辆类型和时间等参数，来查看所选区域的实时及未来交通流量情况。

2.如权利要求1所述的一种基于四叉树划分优化的单车GPS数据多视图可视交互分析方法，其特征在于，所述步骤3)中，所绘制的雷达图为不规则多边形，它可以将比较重要的指标在图上显示出来，根据每个交通小区的单车和网约车流入、流出情况，结合车辆行驶方位和车辆数量，在交通小区中嵌入雷达图，图形的尖端所指方向代表该交通小区内车辆的主要行驶方向，图形尖端所延伸的距离越长，表示在该方位的车辆数量越多，用户根据自身需求，可以添加车辆类型、查询时间、流入或者流出等约束，查询想知道的信息，通过雷达图可以看出，距离市中心较远的交通小区，车辆主要流向城市市区方向；处于市中心的交通小区车辆流向分布较为均衡，从整体上看，车辆流向高速路口、地铁口居多，这与居民的出行需求相契合。