1.一种异常交通状态监测方法，其特征在于，包括：获取交通数据信息，所述交通数据信息为路网在预设期间内的车速集合；根据时长将交通数据信息划分为训练集、验证集和测试集，包括：设定测试周期和时间步长，根据测试周期和时间步长将训练集划分为K1个测试周期和J1个时间点；

构建训练集中关于每个车速的第一特征矩阵；

式中， 表示第k个测试周期中第j个时间点对应车速的第一特征矩阵， 表示第a个线圈检测器所测得的第k个测试周期中第j‑1个时间点对应车速；

由若干个第一特征矩阵构成训练集的特征矩阵集；

同理，验证集和测试集的特征矩阵集与训练集的构造方式相同；

搭建预测模型，利用所述训练集和验证集分别对所述预测模型进行训练和验证，以获得速度预测模型，包括：获取线圈检测器之间的距离和线圈检测器之间的邻接关系，所述线圈检测器设置在路网的路段中，用于检测路段断面的时间平均车速；

根据线圈检测器之间的距离和线圈检测器之间的邻接关系计算任意两个线圈检测器之间的空间权重：式中，i与j表示线圈检测器，wij表示线圈检测器i与j之间的空间权重，dij表示线圈检测器i与j之间的距离；

由所有线圈检测器之间的空间权重构成关于路网的空间权重矩阵；

同理，验证集和测试集的空间权重矩阵构建方式与训练集相同；

利用训练集的特征矩阵集和空间权重矩阵训练预测模型；

利用验证集的特征矩阵集和空间权重矩阵验证预测模型；

将测试集输入速度预测模型得到第一时间段的预测速度，所述第一时间段的时长与所述测试集的时长相同；

根据所述预测速度和所述测试集对应的车速筛分得到测试集中的异常标签和正常标签；

将第二时间段内的正常标签修改为异常标签，所述第二时间段的端点为两个相邻的异常标签对应的时间点，所述第二时间段内包括预设数量的正常标签；

将具有连续的异常标签的时间段作为异常交通状态区间。

2.根据权利要求1所述的异常交通状态监测方法，其特征在于,所述获取交通数据信息，所述交通数据信息为路网在预设期间内的连续的车速集合；根据时长将交通数据信息划分为训练集、验证集和测试集，包括：获取路网在预设期间内在时间维度上连续的初始车速，所述初始车速由线圈检测器采集得到；

对路网在预设期限内的初始车速进行线性插值以填补缺失值；

将填补缺失值处理后的初始速度集计为以预设的时间步长为间隔的车速集合；

将所述车速集合按照时间顺序划分为训练集、验证集和测试集；

分别对训练集、验证集和测试集进行归一化处理；

为归一化处理后的训练集和验证集分别构造特征矩阵集。

3.根据权利要求1所述的异常交通状态监测方法，其特征在于,所述将第二时间段内的正常标签修改为异常标签，所述第二时间段的端点为两个相邻的异常标签对应的时间点，所述第二时间段内包括预设数量的正常标签，包括：确定任意两个相邻的异常标签；

判断两个相邻的异常标签之间的正常标签的数量是否为预设数量：若是，则将相邻的异常标签之间的正常标签修改为异常标签。

4.一种异常交通状态监测装置，其特征在于，包括：划分模块：获取交通数据信息，所述交通数据信息为路网在预设期间内的车速集合；根据时长将交通数据信息划分为训练集、验证集和测试集，包括：设定测试周期和时间步长，根据测试周期和时间步长将训练集划分为K1个测试周期和J1个时间点；

构建训练集中关于每个车速的第一特征矩阵；

式中， 表示第k个测试周期中第j个时间点对应车速的第一特征矩阵， 表示第a个线圈检测器所测得的第k个测试周期中第j‑1个时间点对应车速；

由若干个第一特征矩阵构成训练集的特征矩阵集；

同理，验证集和测试集的特征矩阵集与训练集的构造方式相同；

模型搭建模块：搭建预测模型，利用所述训练集和验证集分别对所述预测模型进行训练和验证，以获得速度预测模型，包括：获取线圈检测器之间的距离和线圈检测器之间的邻接关系，所述线圈检测器设置在路网的路段中，用于检测路段断面的时间平均车速；

根据线圈检测器之间的距离和线圈检测器之间的邻接关系计算任意两个线圈检测器之间的空间权重：式中，i与j表示线圈检测器，wij表示线圈检测器i与j之间的空间权重，dij表示线圈检测器i与j之间的距离；

由所有线圈检测器之间的空间权重构成关于路网的空间权重矩阵；

同理，验证集和测试集的空间权重矩阵构建方式与训练集相同；

利用训练集的特征矩阵集和空间权重矩阵训练预测模型；

利用验证集的特征矩阵集和空间权重矩阵验证预测模型；

预测模块：将测试集输入速度预测模型得到第一时间段的预测速度，所述第一时间段的时长与所述测试集的时长相同；

筛分模块：根据所述预测速度和所述测试集对应的车速筛分得到测试集中的异常标签和正常标签；

修改模块：将第二时间段内的正常标签修改为异常标签，所述第二时间段的端点为两个相邻的异常标签对应的时间点，所述第二时间段内包括预设数量的正常标签；

判定模块：将具有连续的异常标签的时间段作为异常交通状态区间。

5.根据权利要求4所述的异常交通状态监测装置，其特征在于，所述划分模块包括：第一获取单元：获取路网在预设期间内在时间维度上连续的初始车速，所述初始车速由设置在路网中的由线圈检测器采集得到；

填补单元：对路网在预设期限内的初始车速进行线性插值以填补缺失值；

集计单元：将填补缺失值后的初始速度集计为以预设的时间步长为间隔的车速集合；

划分单元：将所述车速集合按照时间顺序划分为训练集、验证集和测试集；

归一化处理单元：分别对训练集、验证集和测试集进行归一化处理；

构造单元：为归一化处理后的训练集和验证集分别构造特征矩阵集。

6.根据权利要求4所述的异常交通状态监测装置，其特征在于，所述修改模块包括：确定单元：确定任意两个相邻的异常标签；

判断单元：判断两个相邻的异常标签之间的正常标签的数量是否为预设数量：若是，则将相邻的异常标签之间的正常标签修改为异常标签。

7.一种异常交通状态监测设备，其特征在于，包括：存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至3任一项所述异常交通状态监测方法的步骤。

8.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述异常交通状态监测方法的步骤。