1.一种出租车热点区域的提取方法，其特征在于，所述方法具体包括如下步骤：S1、对于原始位置数据进行停留点的识别及过滤；

S2、对过滤后的位置数据进行网格映射形成网格单元，识别网格单元中的密集网格单元及非密集网格单元；

S3、识别非密集网格单元中的次密集网格单元及噪声网格单元；

S4、基于次密集网格单元与密集网格单元构成若干聚类簇，即完成网格聚类。

2.如权利要求1所述出租车热点区域的提取方法，其特征在于，所述停留点的识别并过滤具体如下：定义出租车的停留事件及对应的停留时间；

基于停留点阈值来确定各停留点对应的停留地理范围；

基于停留时间对停留点进行停留事件的分类，过滤无用停留事件的相关停留点。

3.如权利要求1所述出租车热点区域的提取方法，其特征在于，密集网格单元是指采样点密度大于或等于密度阈值的网格单元，非密集网格单元是指采样点密度小于密度阈值的网格单元。

4.如权利要求1所述出租车热点区域的提取方法，其特征在于，次密集网格单元及噪声网格单元获取过程具体如下：将与密集网格单元直接关联的非密集网格单元直接设置为次密集网格单元一；

对于不与密集网格单元直接关联的非密集网格单元，则将网格中心点移动到网格的数据中心点，且保持网格边长不变，形成新网格单元，重新计算新网格单元的密度，若密度大于或等于密度阈值，则将新网格单元置为次密集网格单元二，否则将该网格单元设置为噪声网格单元。

5.如权利要求1所述出租车热点区域的提取方法，其特征在于，次密集网格单元及密集网格单元组成聚类网格集，聚类簇的形成方法具体如下：S41、从聚类网格集中随机选择一个网格单元，所属的聚类标识为S；

S42、若随机选择的网格单元为密集网格单元，则直接执行步骤S45；

S43、若随机选择的网格单元为次密集网格单元一，则查找与该次密集网格单元一直接关联的密集网格单元及次密集网格单元二，查找到的网格单元所属聚类标识为S，执行步骤S45；

S44、若随机选择的网格单元为次密集网格单元二，则查找与之直接关联的次密集网格单元一，查找到的网格单元所属聚类标识为S，再查找与该次密集网格单元一直接关联的密集网格单元及次密集网格单元二，查找到的网格单元所属聚类标识为S，执行步骤S45；

S45、以密集网格单元为中心进行下一层的深度遍历；

S46、基于指定的次序查找与之直接关联的下一个密集网格单元或次密集网格单元一，查找到的网格单元所属聚类标识为S；

S47、若下一个网格单元为次密集网格单元一，则确定该次密集网格单元一是否存在与之直接关联的次密集网格单元二，若存在，则将聚类标识S赋予次密集网格单元二，若不存在，则返回上一层的密集网格单元，执行步骤S46，若下一个网格单元为密集网格单元，执行步骤S45，直至遍历完毕，则生成一个聚类簇。