1.基于交通与行人感知信息的光环境规划管理方法，其特征在于，其包括以下具体步骤：

步骤一、采集路口历史信息，构建天气影响下的车流量预测模型，代入目标时间得到车流量预测值；

步骤二、采集路口历史信息，构建天气影响下的人流量预测模型，代入目标时间得到人流量预测值；

步骤三、将得到的目标时间的车流量预测值和人流量预测值代入交通综合拥堵计算策略中计算交通综合拥堵值；

步骤四、采集路口环境中光亮度值，将路口环境中光亮度值和交通综合拥堵值代入光环境亮度输出值计算策略中计算光环境亮度输出值，根据计算得到的光环境亮度输出值对路口光环境模组亮度进行调整；

其中，所述步骤一包括以下具体步骤：

S11、采集路口历史信息并存储在车辆信息存储模组中，所述路口历史信息包括天气信息、时间和车流量，所述天气信息包括温度，降水量和能见度，将天气信息代入天气恶劣值计算策略中计算天气恶劣值，所述天气恶劣值计算策略包括天气恶劣值计算公式，天气恶劣值计算公式为：，其中，为采集的路口温度，为路口温度阈值，为采集的路口降水量，为路口降水量阈值，为采集的路口能见度，为路口能见度阈值，为路口温度占比系数，为路口降水量占比系数，为路口能见度占比系数，且；

S12、将路口历史信息数据集分为2个子集，其中前85%为训练数据集，后15%为测试数据集，将前85%的训练数据集输入天气影响下的车流量神经网络预测模型进行训练，得到初始的天气影响下的车流量神经网络预测模型，再用后15%的测试数据集对初始的天气影响下的车流量神经网络预测模型进行测试，输出对车流量判断准确性最高的天气影响下的车流量神经网络预测模型；

S13、所述天气影响下的车流量神经网络预测模型中的第层项神经元的输出策略公式为：，其中，为天气影响下的车流量神经网络预测模型的第层项神经元的输出，为天气影响下的车流量神经网络预测模型的第层神经元与层项神经元的连接权重，为天气影响下的车流量神经网络预测模型的第层神经元的输出，为天气影响下的车流量神经网络预测模型的第层神经元与层项神经元的线性关系的偏置，为Sigmoid激活函数；

S14、所述对车流量判断准确性最高的天气影响下的车流量神经网络预测模型通过车流量预测误差值判断，所述车流量预测误差值计算公式为：，其中，表示在天气影响下第个周期的车流量预测值的权重系数，，为车流量的预测周期，表示在天气影响下第个周期的车流量预测值，为天气影响下的车流量在第个周期的实际值，为天气影响下的车流量神经网络预测模型在天气影响下第个周期的预测误差，其中，误差值最小对应的准确性最高；

S15、将目标时间和目标时间的天气恶劣值输入天气影响下的车流量神经网络预测模型得到目标时间的车流量预测值；

所述步骤二包括以下具体步骤：

S21、采集路口历史信息并存储在行人信息存储模组中，所述路口历史信息包括天气信息、时间和人流量，将路口历史信息数据集分为2个子集，其中前85%为训练数据集，后15%为测试数据集，将前85%的训练数据集输入天气影响下的人流量神经网络预测模型进行训练，得到初始的天气影响下的人流量神经网络预测模型，再用后15%的测试数据集对初始的天气影响下的人流量神经网络预测模型进行测试，输出对人流量判断准确性最高的天气影响下的人流量神经网络预测模型；

S22、所述天气影响下的人流量神经网络预测模型中的第层项神经元的输出策略公式为：，其中，为天气影响下的人流量神经网络预测模型的第层项神经元的输出，为天气影响下的人流量神经网络预测模型的第层神经元与层项神经元的连接权重，为天气影响下的人流量神经网络预测模型的第层神经元的输出，为天气影响下的人流量神经网络预测模型的第层神经元与层项神经元的线性关系的偏置，为Sigmoid激活函数；

S23、所述对人流量判断准确性最高的天气影响下的人流量神经网络预测模型通过人流量预测误差值判断，所述人流量预测误差值计算公式为：，其中，表示在天气影响下第个周期的人流量预测值的权重系数，，为人流量的预测周期，表示在天气影响下第个周期的人流量预测值，为天气影响下的人流量在第个周期为天气影响下的人流量神经网络预测模型在个周期的预测误差；

S24、将目标时间和目标时间的天气恶劣值输入天气影响下的人流量神经网络预测模型得到目标时间的人流量预测值。

2.如权利要求1所述的基于交通与行人感知信息的光环境规划管理方法，其特征在于，所述步骤三包括以下具体步骤：将得到的目标时间的车流量预测值和目标时间的人流量预测值代入交通综合拥堵计算策略中计算交通综合拥堵值，所述交通综合拥堵计算策略包括交通综合拥堵计算公式，所述交通综合拥堵计算公式为：，其中，为在天气影响下的车流量预测值，为在天气影响下的人流量预测值，为天气影响下的车流量的占比系数，为天气影响下的人流量的占比系数，且。

3.如权利要求2所述的基于交通与行人感知信息的光环境规划管理方法，其特征在于，所述步骤四包括以下具体步骤：S41、采集路口环境中光亮度值，将路口环境中光亮度值和交通综合拥堵值代入光环境亮度输出值计算策略中计算光环境亮度输出值，所述光环境亮度输出值计算策略包括光环境亮度输出值计算公式，所述光环境亮度输出值计算公式为：，其中，为路口光亮度值，为设定的额定亮度；

S42、根据计算得到的光环境亮度输出值对路口光环境模组亮度进行调整。

4.基于交通与行人感知信息的光环境规划管理系统，实现如权利要求1-3任一项的所述基于交通与行人感知信息的光环境规划管理方法，其特征在于，其包括：信息采集模块，用于采集路口历史信息和路口光亮度值，所述路口历史信息包括天气、时间、车流量和人流量；

信息存储模块，用于存储路口历史信息，分为车辆信息存储模组和行人信息存储模组；

车流量神经网络预测模块，用于获取路口历史信息，构建天气影响下的车流量预测模型，代入目标时间得到车流量预测值；

人流量神经网络预测模块，用于获取路口历史信息，构建天气影响下的人流量预测模型，代入目标时间得到人流量预测值；

交通综合拥堵值模块，用于将得到的目标时间的车流量预测值和目标时间的人流量预测值代入交通综合拥堵计算策略中计算交通综合拥堵值；

光环境亮度综合值计算模块，用于获取路口环境中光亮度值，将路口环境中光亮度值和交通综合拥堵值代入光环境亮度输出值计算策略中计算光环境亮度输出值；

控制模块，用于控制信息采集模块、信息存储模块、车流量神经网络预测模块、人流量神经网络预测模块、交通综合拥堵值模块和光环境亮度综合值计算模块的运行。

5.一种电子设备，其特征在于，包括：存储器和处理器，其中，所述存储器中存储有可供处理器调用的计算机程序，所述处理器通过调用所述存储器中存储的计算机程序，执行如权利要求1-3任一项所述的基于交通与行人感知信息的光环境规划管理方法。

6.一种计算机可读存储介质，其特征在于：储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-3任一项所述的基于交通与行人感知信息的光环境规划管理方法。