1.一种公路交通的异常状况检测方法，其特征在于，包括以下步骤：通过道路监控视频图像中的语义分割，提取出道路监测区域，获得连续的交通观测帧序列；

对帧序列中的车辆目标进行跨帧多目标跟踪，并结合运动轨迹、目标尺寸及遮挡情况，构建对应的车辆运动状态时序向量；

基于时序向量，采用轨迹聚合算法提取交通流演变特征，识别异常行为模式；

针对检测到的异常行为区域，结合车辆之间的时空关系构建图神经网络模型，分析交通交互结构的局部突变节点；

根据图神经网络的输出结果，并结合交通图像中的全局结构熵变化趋势，判断是否存在宏观交通异常事件；

其中，判断是否存在宏观交通异常事件的方式为:

构建交通状态图，并计算对应的全局结构熵；若检测到连续多个时间点熵值急剧下降且变化率异常，则判定发生宏观交通异常事件；

若存在，根据识别出的交通异常事件的类型、时长和覆盖范围，在地图上生成交通异常分布热力图，并输出事件标签用于交通调度响应。

2.根据权利要求1所述的一种公路交通的异常状况检测方法，其特征在于，构建对应的车辆运动状态时序向量过程为：对语义分割处理后的每一帧图像，应用目标检测算法检测图像中所有车辆目标，提取出每辆车的边界框、置信度、类别标签，生成初步的车辆检测结果，为每个检测到的车辆目标提取多维特征信息，基于上述目标特征，采用多目标跟踪算法对当前帧与前一帧中的目标进行匹配，分配一致的目标ID。

3.根据权利要求2所述的一种公路交通的异常状况检测方法，其特征在于，对于每一个具有连续ID的车辆目标，基于其在连续帧中的状态变化，构建如下的运动状态时序向量，公式为：；

式中，是车辆在第t帧的中心坐标，是基于相邻帧位置变化估算的速度，是速度变化率估算的加速度，是车辆目标的宽度与高度，是遮挡状态标识。

4.根据权利要求3所述的一种公路交通的异常状况检测方法，其特征在于，识别异常行为模式的过程为：接收前一阶段所构建的每辆车在连续帧中的运动状态时序向量，多个车辆的向量集合构成一个时间窗口内的交通流状态描述，采用轨迹聚合算法对多个车辆的时序轨迹进行模式提取与分群。

5.根据权利要求4所述的一种公路交通的异常状况检测方法，其特征在于，分析交通交互结构的局部突变节点的过程为：在轨迹聚合分析中检测到的异常行为区域中，提取该区域内在特定时间窗口内活动的车辆目标集合，记为：，每个车辆包含运动状态时序向量和空间位置信息，将车辆作为图的节点，每一对具有潜在交互关系的车辆之间建立边连接，构建时空交互图，构建图神经网络模型，对交通图进行嵌入与分析。

6.根据权利要求5所述的一种公路交通的异常状况检测方法，其特征在于，判断是否存在宏观交通异常事件的过程为：将整个道路监测区域划分为若干子区域，并提取每帧图像中车辆分布的结构信息，基于提取到的图像空间结构特征，计算反映交通状态有序性和均衡性的结构熵值。

7.根据权利要求6所述的一种公路交通的异常状况检测方法，其特征在于，在地图上生成交通异常分布热力图的过程为：在完成宏观交通异常识别后，将异常事件信息进行结构化整理，将异常事件定位至实际地图坐标系中，在电子地图或交通路网图上生成异常热力图，将识别出的异常事件区域进行热度赋值，使用颜色梯度表示不同热度区域。

8.一种公路交通的异常状况检测系统，应用于如权利要求1-7任一项所述的一种公路交通的异常状况检测方法，其特征在于，包括：道路区域提取模块，通过语义分割自动识别道路监控视频中的监测区域，提取连续交通图像帧序列；

目标跟踪模块，对视频中的车辆目标进行多目标跟踪，生成包含运动轨迹和状态的时序向量；

异常识别模块，基于车辆运动时序数据提取交通流演变特征，识别潜在异常行为；

图神经网络分析模块，结合车辆的时空关系建立图结构，识别交通交互中的局部突变节点；

调度响应模块，综合异常分析结果生成热力图及事件标签，支持交通调度与应急响应。