1.基于移动终端与计算机交互的数据处理方法，其特征在于：所述数据处理方法执行如下步骤：

Z01：从数据库中获取移动终端的历史出发位置、目标位置、移动终端使用单车的时间、结束使用单车的时间、出发位置与目标位置之间的若干路径和移动终端本次使用信息，通过大数据调取移动终端在同一时刻授予应用的位置权限信息，根据权限信息分析移动终端的目标位置；如若存在目标位置信息，则跳转至步骤Z02；如若不存在目标位置信息，则跳转至步骤Z03；

Z02：获取移动终端使用单车定位目标位置的行为，计算真实目标位置与移动终端使用单车时所定位的目标位置之间的距离，根据距离分析移动终端超出运营范围的概率；如若所述概率大于预设概率，则提示并引导移动终端在距离移动终端使用单车时所定位的目标位置最近的单车还车点还车；

Z03：获取移动终端当前的位置信息，将数据库中路径与移动终端移动的路径相对比；

如若数据库中路径与移动终端的部分路径相同，分析数据库中与移动终端部分路径相同的路径终点为移动终端当前的目标位置的概率；如若概率大于预设概率值且移动终端的目标位置在运营范围外时，引导移动终端在目标位置最近的还车地点还车；如若数据库中路径与移动终端的路径不同，则在设定的运营范围内设置临界点，根据临界点在运营范围内拟合临界曲线，分析移动终端到达临界曲线的时间；

Z04：设置全息影像，提示移动终端与临界曲线之间的距离；

在步骤Z02中，获取影响真实目标位置与移动终端使用单车时所定位的目标位置的影响因素：天气因素；根据步骤Z01中调取的在同一时刻授予应用的位置权限信息，根据权限信息得到真实目标位置信息集合Q={q1,q2,q3,...,qn},n是指目标，qn是指第n个真实目标的位置；将天气因素 、定位精度差 和移动终端的使用单车的历史行为作为神经网络的输入神经元，将真实目标位置与用户定位目标位置的距离预测值P作为神经网络的输出神经元；设置激活函数Sigmoid；设置学习率和迭代次数，并初始化神经网络的参数值；设置损失函数W，W= ， 为真实目标位置与用户定位的目标位置的距离的真实值， 为真实目标位置与用户定位目标位置的距离预测值， 是指维度；不断更新神经网络中的权重值偏置项；直至损失函数小于设定阈值或者达到所设置的迭代次数 ，输出权重值和预测值P；

如若真实目标位置与移动终端使用单车时所定位的目标位置的距离预测值P小于设定距离时，则表示移动终端超出运营范围的概率大于预设概率，提前提示移动终端前方为运营范围外，并引导移动终端在距离移动终端所定位目标位置最近的单车还车点还车；所述设定距离是指移动终端使用单车时所定位的目标位置与距离所述移动终端使用单车时所定位目标位置最近运营范围节点之间的距离；

在步骤Z03中，获取移动终端使用单车时的出发位置和移动终端定位的目标位置，获取移动终端从出发位置至移动终端定位的目标位置之间的路径，在数据库遍历与所述路径相同的路径，如若核实到存在相同的路径，则依据路径建立坐标轴，横轴为时间值，纵轴为距离值，并在坐标轴中实时展示路径的变化；如若移动终端使用单车时实时移动形成的路径与横轴形成的面积S1，和，数据库中任意一条部分相同的路径与横轴形成的面积S2之间的差值为零时，则表示移动终端使用单车实时移动形成的路径与数据库中任意一条部分相同的路径重合，数据库中任意一条部分相同路径的终点为移动终端使用单车时的终点目标位置的概率大于预设概率，则获取移动终端到达终点目标位置的时间值；否则，数据库中任意一条部分相同路径的终点为移动终端使用单车时的终点目标位置的概率小于预设概率，则在数据库中定位其他路径，且所述路径满足的条件为与移动终端使用单车时形成的路径存在部分相同路径；

其中，移动终端使用单车时实时移动形成的路径与横轴形成的面积S1，和，数据库中任意一条部分相同的路径与横轴形成的面积S2之间的差值表示为：C= ]；

其中：为移动终端使用单车时实时移动形成的路径与数据库中任意一条路径存在相同路径时对应的时间点，为移动终端使用单车时实时移动的末端时间点， 为移动终端使用单车实时移动形成的路径所对应直线的斜率， 为数据库中任意一条存在相同路径的路径所对应直线的斜率， 为移动终端使用单车实时移动形成的路径所对应直线的参数，b2为数据库中任意一条存在相同路径的路径所对应直线的参数； 、 为横轴上的时间值，C为移动终端使用单车时实时移动形成的路径与横轴形成的面积S1，和，数据库中任意一条部分相同的路径与横轴形成的面积S2之间的差值。

2.根据权利要求1所述的基于移动终端与计算机交互的数据处理方法，其特征在于：获取移动终端使用单车时移动的实时速度V和行驶方向，根据移动终端实时移动的参数预测移动终端移动至运营范围临界曲线的时间点T；所述临界曲线具体为：所述运营范围为闭环曲线，在与闭环曲线的垂直距离为Q时建立临界点，得到与闭环曲线距离为Q的临界点集合，根据连续的临界点拟合为临界曲线；获取临界点的位置集合U={( , ),( , ),( ,),...,( , )}；得到F与E的近似函数关系F= ，则建立最小拟合曲线， 为系数，j、r是指临界点的项数；如若核实到移动终端移动至闭环

曲线上时，则云数据平台通过全息影像提示移动终端距离运营范围的距离为Q。

3.应用权利要求1或2中任意一项所述的基于移动终端与计算机交互的数据处理方法的基于移动终端与计算机交互的数据处理系统，其特征在于：所述数据处理系统包括数据获取模块、移动终端处理模块、引导指示模块和云服务器处理模块；

所述云服务器处理模块用于向云服务器发送访问请求，响应访问请求后并与数据库连接，授予移动终端访问数据库信息的权限；所述数据库信息包括移动终端的移动位置、移动位置间的路径、移动终端使用单车的时间信息；

所述数据获取模块用于从数据库内采集移动终端使用单车的信息和本次移动终端的目标位置信息，所述目标位置信息通过大数据调取得到；

所述移动终端处理模块用于根据移动终端的目标位置信息，得到移动终端位移至运营范围外的概率；

所述引导指示模块用于根据移动终端位移至运营范围外的概率，分析移动终端当前位置信息；

所述云服务器处理模块与数据获取模块、移动终端处理模块和引导指示模块相连接。

4.根据权利要求3所述的基于移动终端与计算机交互的数据处理系统，其特征在于：所述数据获取模块包括数据接收单元、GPS定位单元、平面模型建立单元和移动终端位置获取单元；

所述数据接收单元用于向云服务器处理模块申请访问请求信息，并接收移动终端实际使用单车的时间和移动方向信息；

所述GPS定位单元用于定位移动终端的位置；

所述平面模型建立单元用于建立平面模型，展示移动终端的位移信息；

所述移动终端位置获取单元用于通过大数据获取移动终端的目标位置，并将目标位置信息反馈至移动终端处理模块。

5.根据权利要求3所述的基于移动终端与计算机交互的数据处理系统，其特征在于：所述移动终端处理模块包括移动终端行为获取单元、相同路径确定单元、移动终端位置分析单元、时间预测处理单元；

所述移动终端行为获取单元用于在确定移动终端的目标位置后，获取移动终端在目标位置的邻近位置停留行为，并将停留行为反馈至移动终端位置分析单元；

所述相同路径确定单元用于在未确定移动终端的目标位置时，根据移动终端位移的路径分析是否存在与历史路径相同的路径，得到分析结果；

所述时间预测处理单元用于通过云服务器处理模块访问到与历史路径相同路径时，得到移动终端移动至临界位置的时间点信息；所述历史路径从数据库中获得；

所述移动终端位置分析单元用于分析移动终端移动至运营范围外的概率；

所述移动终端位置分析单元的输入端与移动终端行为获取单元、相同路径确定单元和时间预测处理单元的输出端相连接。

6.根据权利要求3所述的基于移动终端与计算机交互的数据处理系统，其特征在于：所述引导指示模块包括数据反馈单元、指示提醒单元；

所述数据反馈单元用于接收移动终端处理模块中移动终端位移至运营范围外的概率，如若移动终端位移至运营范围的概率大于预设概率，则将信息反馈至数据处理单元；

所述指示提醒单元用于提示移动终端当前位置；

所述数据反馈单元的输出端与指示提醒单元的输入端相连接。

7.根据权利要求3所述的基于移动终端与计算机交互的数据处理系统，其特征在于：所述云服务器处理模块包括访问信息请求单元、访问连接处理单元；

所述访问信息请求单元用于向云服务器发送访问请求的指令；

所述访问连接处理单元用于在成功接收访问请求后，根据移动终端访问请求的方式，授予移动终端访问数据库信息的权限；

所述访问信息请求单元的输出端与访问连接处理单元的输入端相连接。