1.一种基于密度峰值的交通流量数据聚类方法，其特征在于：包括如下步骤：

步骤一，计算每个交通流量数据点的局部密度，同时计算每个交通流量数据点内的单位体积数据点的局部密度；

步骤二，按照局部密度对交通流量数据点进行排序，计算每个交通流量数据点距离一个较高密度的交通流量数据点之间的距离值；

步骤三，将局部密度和距离值均较高的交通流量数据点作为聚类中心，将局部密度低而距离值较高的交通流量数据点作为噪声点；

步骤四，依据步骤三中获得的聚类中心和噪声点对剩余交通流量数据点进行分配聚类，提取分类好的局部密度较高的各个交通流量数据点，将上述交通流量数据点内的单位体积数据点的局部密度按照从大到小进行排序，计算每个单位体积数据点距离一个较高密度的单位体积数据点之间的距离值；

步骤五，将局部密度和距离值均较高的单位体积数据点作为聚类中心，将局部密度低而距离值较高的单位体积数据点作为噪声点；

步骤六，根据步骤五中获得的聚类中心和噪声点对剩余单位体积数据点进行分配聚类；

步骤七，计算步骤六中分类好的各个簇内的平均单位体积，选取出平均单位体积较大的簇，并计算该簇在该交通流量数据点内的所占百分比。

2.根据权利要求1所述的基于密度峰值的交通流量数据聚类方法，其特征在于：所述步骤一中计算单位体积数据的局部密度具体步骤如下：步骤一一，以交通流量数据点内单位体积为横坐标，一次交通流量数据点的单位标记为纵坐标，构成一个反应交通流量数据点内的每个单位的数据分布图；

步骤一二，计算出截断距离，根据截断距离计算出每个单位体积数据点的局部密度。

3.根据权利要求2所述的基于密度峰值的交通流量数据聚类方法，其特征在于：所述步骤一二中的截断距离的计算方式如下，计算相邻的两个单位体积数据点的体积数值差的平均值，将该平均值作为截断距离。

4.根据权利要求3所述的基于密度峰值的交通流量数据聚类方法，其特征在于：所述步骤一中的交通流量数据点的数据通过设置在路口上方的摄像机拍摄采集获得，其中，在摄像机拍摄采集的过程中，对拍摄的图像进行单位轮廓识别，识别出各个通过单位的轮廓，对每个单位轮廓中间的位置上画一条从前至后的直线作为单位代表，同时计算该直线的长度作为单位体积数据。

5.根据权利要求4所述的基于密度峰值的交通流量数据聚类方法，其特征在于：所述单位代表的确定过程如下，将拍摄的照片上沿着道路的延伸方向滑出多条与车道相互平行的直线，然后通过图像识别系统识别照片上通行单位的轮廓，之后截取轮廓内的直线，该直线即为单位代表。