1.一种基于实时路况的音乐推荐系统,其特征在于,所述音乐推荐系统包括:信息获取模块,用于获取场景信息;信息处理模块,与信息获取模块连接,用于场景信息识别后将其分为具体的驾驶场景,并对音乐数据库中歌曲进行七维特征值的计算后进行标签分类;推荐曲目生成模块,用于标签分类后的音乐与驾驶场景的匹配,并推荐曲目进行播放;系统优化模块,用于驾驶场景和音乐匹配度的反馈;其中,通过信息获取模块获取场景信息,并生成播放标识,信息处理模块对音乐数据库中存储歌曲进行七维特征值的计算后进行标签分类,标签分类后的音乐与播放标识匹配,并通过系统优化模块,反馈匹配度,系统自动优化进行匹配度进行提升。2.根据权利要求1所述的一种基于实时路况的音乐推荐系统,其特征在于,所述信息获取模块包括:用户信息单元,用于采集用户在音乐平台的初始注册信息和听歌偏好;路况采集单元,用于采集天气、时间、道路条件;面部特征采集单元,用于采集表情、皮肤、瞳孔等面部特征;听歌动态单元,用于采集用户收听一首歌曲的听歌时长以及对歌曲进行的收藏点赞等实时动态。3.根据权利要求2所述的一种基于实时路况的音乐推荐系统,其特征在于,面部特征采集单元包括:通过摄像头来获取不同状态下的人脸图像、检测表情、皮肤、瞳孔面部特征;利用matlab进行仿真模拟计算,再结合用户信息单元信息,与人脸数据库相对比,得到用户在特定音乐的作用下的一个情绪状态。4.根据权利要求1所述的一种基于实时路况的音乐推荐系统,其特征在于,所述信息处理模块包括:驾驶场景分类单元,用于根据采集到的实时路况信息对驾驶场景进行分类;音乐分类单元,通过七维特征值计算提取音乐数据库中音乐并判断其所属标签,进行分类。5.根据权利要求4所述的一种基于实时路况的音乐推荐系统,其特征在于,所述驾驶场景分类包括:记录驾驶员驾驶时的前方路况、实时天气、具体时间、具体位置;通过将采集的路况信息转换成预定格式来生成转换数据,经分析处理后传送到驾驶场景单元进行匹配分类;所述驾驶场景单元的分类包括四个因素:时间,天气,场地,环境。6.根据权利要求5所述的一种基于实时路况的音乐推荐系统,其特征在于,所述驾驶场景分类通过计算机可读介质来实现,所述计算机可读介质应包括:收集驾驶路况信息,天气位置信息以便确定驾驶者的驾驶环境的程序指令;通过将收集的驾驶路况信息,天气位置信息转换成预定格式并依次按照时间因素、天气因素、场地因素、环境因素的四因素模式划分进行分类的程序指令;将分类后的转换数据按照不同类别归类汇总。7.根据权利要求6所述的一种基于实时路况的音乐推荐系统,其特征在于,所述四因素模式为:时间因素Ai={ai|i≤P,i∈N+};天气因素Bj={bj|j≤O,j∈N+};场地因素Ck={ck|k≤N,k∈N+};环境因素Dz={dz|z≤M,z∈N+};场景单元的模式具体为:Ux={ux|x≤H,x∈N+};场景单元与四个因素之间相互对应的关系可表示为:Ux=AiΙBjΙCkΙDz;由此,驾驶场景单元的种类由时间因素,天气因素,场地因素,环境因素共同决定,种类总量是四个因素的元素数之积,即H=P×O×M×N;其中,H代表场景单元的总种类,P代表时间因素的元素数,O代表天气因素的元素数,N代表场地因素的元素数,M代表环境因素的元素数。8.根据权利要求2所述的一种基于实时路况的音乐推荐系统,其特征在于,道路条件中位置识别方法:把获得的地理位置信息导入地图软件,通过图像处理技术,计算地图上当前车辆定位的与周围最近的高速公路的距离L;当L≤设定的阈值时,判断当前车辆处于“高速路况”;L>阈值时,判断车辆未处于“高速路况”对从地图软件开放平台获取的地图,添加地图覆盖物;区分城区和乡村区域,并获得城区——乡村地图;判断后,L>阈值时,把获得的地理位置信息导入城区——乡村地图,当获得的点位于“城区”范围时,判断为当前车辆处于“城市道路”,位于“城区”以外时,判断为当前车辆处于“乡村道路”。9.根据权利要求2所述的一种基于实时路况的音乐推荐系统,其特征在于,所述系统优化模块包括:用户数据反馈单元,用于结合用户听歌动态和驾驶员面部表情判断当前驾驶环境用户对所播放歌曲的喜好程度,提高用户对优先基于实时路况推荐的音乐的满意度;驾驶场景和音乐匹配度反馈单元,基于驾驶员面部特征所识别出的用户的疲劳程度、分心程度和情绪状态反映场景和音乐的匹配度,此反馈信息用于得到更能满足实时路况的歌曲。10.根据权利要求4所述的一种基于实时路况的音乐推荐系统,其特征在于,所述所述音乐分类单元分类方法为:对歌曲进行分析,得到的43维特征向量,按粒子群优化算法(PSO)选择具有适应度函数的特征,最终得到相关度最小的七个维度;提取音乐数据库中的Last.fm的音乐轨道特征,对每首歌曲七个维度的特征值按对应公式进行计算;将数据库中的标签列表所列举的标签按照相似度公式
其中,Same函数为两个标签关联的相同音乐的数量,|Ti ,m|和|Tj ,n|为标签对应的关联音乐的数量;利用歌词的同现关系衡量标签之间的相似度,得到相似度矩阵,将其按行或按列进行归一化处理,然后利用谱聚类的方法进行聚类;最后得到归一化处理后的标签集,其中一个标签中含有多个音乐轨道,表示为Ti={Si|i=1 ,2,3...},则得到第i个标签下的七维特征向量,其在七维空间中构成数据点集合,知道大多数点都聚集在某个几何空间中,剔除某些距离集群中心比较远的异常点;对于任意一首歌,在进入系统时,判断其.是否属于数据库中的歌曲,若属于则直接定位到该首歌曲所属标签,如不属于则截取最能体现该歌曲特征的30s片段,对此片段进行七维特征值计算,若其七维特征向量表示的空间点属于某个标签代表的几何空间,则说明该片段所代表的歌曲属于该标签。