1.一种特征化密度峰聚类的出租车热点区域提取方法，其特征在于，所述方法具体包括如下步骤：S1、GPS数据特征化：选取一定数量的特征点放入特征点集合中，计算特征点集合中每个特征点的支持度；

S2、计算密度峰聚类过程中的聚类指标，即特征点的局部密度和聚类中心距离，基于将特征化过程中得到的支持度结合聚类指标构建三维决策图；

S3、基于三维决策图来选取聚类中心、基本聚类点以及噪声点；

S4、基于聚类中心对基本聚类点进行聚类，形成聚类簇，一个聚类簇对应出租车的一个热点区域。

2.如权利要求1所述特征化密度峰聚类的出租车热点区域提取方法，其特征在于，特征点的选取方法具体如下：根据特征化规模参数α及采样点个数Ts确定特征点个数；

从采样点中随机确定第1个临时特征点，将距第1个临时特征点距离最远的采样点作为第2个临时特征点，将距第2个临时特征点距离最远的采样点作为第3个临时特征点，以此类推，直至临时特征点数量满足特征点个数；

将原始数据集中所有采样点添加到距离他们最近的临时特征点集合中，并计算每个临时特征点集合中的采样点中心，将采样点中心更新为新的临时特征点，并重新将原始数据采样点添加到新的临时点特征集合中，再次计算每个新临时点集合中的采样点中心，迭代上述步骤，直到两次计算的采样点中心不变，则将临时特征点作为特征点输出。

3.如权利要求1所述特征化密度峰聚类的出租车热点区域提取方法，其特征在于，特征点对应临时特征点集合中的采样点个数，即为该特征点的支持度。

4.如权利要求1所述特征化密度峰聚类的出租车热点区域提取方法，其特征在于，特征点的局部密度获取过程具体如下：计算该特征点到其他特征点的欧式距离，若该欧式距离小于截断距离，则该特征点的特征点局部密度自加1，遍历所有其他特征点，即生成该特征点的特征点局部密度。

5.如权利要求1所述特征化密度峰聚类的出租车热点区域提取方法，其特征在于，特征点的聚类中心距离获取方法具体如下：循环遍历特征点集合，找到特征点集合中局部密度最大的特征点，该点的聚类中心距离是：该点到离他距离最远的特征点的欧式距离，对于其他特征点，聚类中心距离取离该点最近的特征点的欧式距离。

6.如权利要求1所述特征化密度峰聚类的出租车热点区域提取方法，其特征在于，三维决策图中X轴是特征点局部密度，Y轴表示特征点聚类中心距离，Z轴是特征点支持度，则聚类中心、基本聚类点及噪音点的选择方法具体如下：支持度、局部密度、聚类中心距离均较大的特征点即为聚类中心；

聚类中心距离较短、局部密度较高的特征点即为基本聚类点；

聚类中心距离较高、局部密度较低的特征点即为噪音点。