1.一种车联网车辆异常行为识别方法，其特征在于，包括如下步骤：S1.采集所有车辆上的传感器所测量的数据，且以智慧交通数据采集点的分布为周期采集；

S2.采用孤立森林模型对所采集到的数据进行异常检验，根据检验出的异常数据判断出异常车辆；

S3.智慧交通数据采集点采集异常车辆的图像信息及位置信息，然后将异常车辆的图像信息及位置信息处理成为可传输、可匹配的车辆信息；

S4.智慧交通数据采集点将可传输的车辆信息发送至异常车辆周围的其他车辆的车载设备上，以提醒驾驶员保持警惕；

所述步骤S1中，车辆上的传感器所测量的数据包括：车辆速度、方向盘转角、方向盘转速、安全带拉力、刹车踏板压力、油门踏板压力、前方汽车与本车距离；

所述步骤S2具体为：采用孤立森林模型进行数据异常检验，每个数据与历史数据库中同类型、同时段、同地点的车辆数据进行孤立森林模型检验，占总样本量的比例很小且异常点的特征值与正常点的差异很大的数据来源的车辆即为异常车辆；

所述孤立森林模型具体为：

建立车联网传感器数据集D，进行数据预处理，采用插补法填补缺失值；构建t个孤立二叉树组成孤立森林，每个孤立二叉树有O(k)＝ln(k)+β,β＝0.5772156649G(x,m)为异常指数，b(m)为平均路径长度，β为欧拉常数；

异常指数接近于1，则该车辆判定为异常车辆。

2.根据权利要求1所述的车联网车辆异常行为识别方法，其特征在于，所述步骤S1具体包括：S11.将传感器所测量的数据按照不同的类型、时段、地点执行本地储存，并构建历史数据库；

S12.通过存储编码读取同类型、同时段、同地点的传感器数据，从本地存储单元中读取传感器数据，将所述传感器数据执行发送，并在发送完成后，对所述传感器数据执行更新。

3.根据权利要求1所述的车联网车辆异常行为识别方法，其特征在于，所述步骤S3具体包括：S31.智慧交通数据采集点采集图像信息后，对车辆图像信息进行灰度化处理；

S32.采用高斯滤波进行灰度图像去噪处理；

S33.提取去噪处理后的灰度图像的特征值；

S34.归一化处理灰度图像的特征值，即可得到可传输、可匹配的车辆车牌信息和外形信息；

S35.通过智慧交通信息采集点采集车辆位置信息。

4.根据权利要求3所述的车联网车辆异常行为识别方法，其特征在于，所述步骤S3具体包括：S31.智慧交通数据采集点采集图像信息后，对车辆图像信息进行灰度化处理，计算灰度值：f(i,j)为灰度值，R为图像中红色的亮度，G为图像中绿色的亮度，B为图像中蓝色的亮度；

S32.采用高斯滤波进行灰度图像去噪处理；

S33.提取去噪处理后的灰度图像的特征值，提取过程为：将图像划分为16×16的小区域，对于每个小区域中的一个像素，将相邻8个像素的灰度值与每个小区域中的一个像素进行比较，若周围像素灰度值大于中心像素灰度值，则该像素点的位置被标记为1，否则为0；

计算每个数字出现的频率，得到每个小区域的统计直方图，并对频率进行归一化处理；

将得到的每个小区域的统计直方图进行连接成为一个特征向量，即该图像的特征值；

S34.归一化处理灰度图像的特征值，即可得到可传输、可匹配的车辆车牌信息和外形信息，具体为：其中，A表示灰度图像特征值的平均值，G表示灰度图像特征值的方差，a×b表示图像的大小，f(i,j)′表示图像中像素点(i,j)去噪后的特征值；

x

S35.通过智慧交通信息采集点采集车辆位置信息，车辆位置信息包括时间信息和空间信息。

5.根据权利要求4所述的车联网车辆异常行为识别方法，其特征在于，步骤S4具体包括：S41.利用第一存储编码、第二存储编码将检测出的异常车辆与车辆的车牌信息、外形信息和车辆位置信息进行匹配；所述第一存储编码是每辆车特定的，即车牌信息，所述第二存储编码是当时的时间信息，第三存储码是随机生成的不重复的识别编码；

S42.采用Sunday算法对第一存储编码、第二存储编码分别与智慧交通信息采集点的车牌信息特征值、时间信息进行匹配；

S43.匹配成功后，则将车辆的外形信息和空间信息也一并发送到车载设备，将异常车辆信息可视化显示于车载设备上。

6.一种车联网车辆异常行为识别系统，其特征在于，包括实时采集单元、本地存储单元、数据处理单元、更新单元、连通单元、通知单元；

所述实时采集单元包括用于接收车辆数据的采集请求的第一接收模块、用于从车辆的传感器上采集数据的采集模块、用于将采集模块采集的数据按来源传感器、时段、地点进行分类的分类模块；所述第一接收模块、采集模块及分类模块之间均通信连接；

所述本地存储单元包括用于接收车辆数据的存储请求第二接收模块、用于根据所述存储请求将所述传感器数据按照传感器的种类执行本地存储的存储模块，所述第二接收模块与存储模块通信连接；

所述数据处理单元用于接收传感器数据的读取请求，所述读取请求中至少包括所述车辆数据的存储编码，所述存储编码包括第一存储码、第二存储码和第三存储码；

所述更新单元用于将所述传感器数据执行发送，并在发送完成后，对所述传感器数据执行更新；

所述连通单元用于将基于孤立森林算法的车联网车辆异常行为识别系统与智慧交通数据采集点通信连接；

所述通知单元包括用于将异常车辆的图像信息和位置信息导入车载设备的导入模块、用于将异常车辆信息可视化显示于车载设备上的显示模块，所述导入模块与显示模块通信连接；

所述步骤S1中，车辆上的传感器所测量的数据包括：车辆速度、方向盘转角、方向盘转速、安全带拉力、刹车踏板压力、油门踏板压力、前方汽车与本车距离；

所述步骤S2具体为：采用孤立森林模型进行数据异常检验，每个数据与历史数据库中同类型、同时段、同地点的车辆数据进行孤立森林模型检验，占总样本量的比例很小且异常点的特征值与正常点的差异很大的数据来源的车辆即为异常车辆；

所述孤立森林模型具体为：

建立车联网传感器数据集D，进行数据预处理，采用插补法填补缺失值；构建t个孤立二叉树组成孤立森林，每个孤立二叉树有O(k)＝ln(k)+β,β＝0.5772156649G(x,m)为异常指数，b(m)为平均路径长度，β为欧拉常数；

异常指数接近于1，则该车辆判定为异常车辆。