1.一种基于稀疏车牌识别数据挖掘的交通小区划分方法，其特征在于，包括：车辆类型划分阶段：针对城市地图上每个可监测路口，将经过的车辆按照出行时间分布划分成n种类型；

路口数据补全阶段：在车辆类型划分阶段的基础上，引入社交媒体签到数据以及POI数据，利用协同张量分解获得包含所有路口的交通状况张量；

交通小区划分阶段：基于交通状况张量对城市地图进行空间聚类，将城市地图划分成不同的交通小区。

2.如权利要求1所述的基于稀疏车牌识别数据挖掘的交通小区划分方法，其特征在于，车辆类型划分阶段具体包括：步骤1-1，针对城市地图上每个可监测路口，采集车牌识别数据，计算单位时间段内车辆经过的路口数目，建立车辆关于路口的矩阵；

步骤1-2，对车辆关于路口的矩阵进行非负矩阵分解；

步骤1-3，根据非负矩阵分解的结果，将车辆按照出行时间分布划分成n种类型。

3.如权利要求2所述的基于稀疏车牌识别数据挖掘的交通小区划分方法，其特征在于，路口数据补全阶段具体包括：步骤2-1，读取所述车牌识别数据，计算每个可监测路口各个时间段内经过的不同类型车辆的数目，建立反映路口交通状况的张量并归一化；

步骤2-2，根据各路口地理位置统计各路口半径k公里范围内各个时间段内的社交媒体软件的签到数据，建立反映地图上所有路口签到状况的矩阵并归一化；

步骤2-3，根据各路口地理位置统计各路口半径k公里范围内各种类型的POI的数目，建立反映地图上所有路口地理特征的矩阵并归一化；

步骤2-4，根据车辆类型划分阶段的结果，统计各种类型的车辆在同一路口同时段出现的概率，建立反映车辆类型之间相关性的矩阵并归一化；

步骤2-5，对步骤2-1至步骤2-4得到的四个归一化后的矩阵进行协同张量分解，得到一个完整反映城市地图上所有路口交通状况的张量。

4.如权利要求3所述的基于稀疏车牌识别数据挖掘的交通小区划分方法，其特征在于，交通小区划分阶段具体包括：步骤3-1，划分城市地图，以路口为顶点，路段为边界，将城市地图划分成最小的区域块；

步骤3-2，建立引力模型，根据经过路口的车辆和路口的地理位置计算相邻路口之间的作用力；

步骤3-3，采用空间聚类的方法，对路口进行聚类；

步骤3-4，根据路口聚类结果，将同类区域块划分到一起，完成交通小区的划分。

5.如权利要求1所述的基于稀疏车牌识别数据挖掘的交通小区划分方法，其特征在于，步骤1-1中，每条车牌识别数据包括记录的设备编号、记录的时间和识别的车牌数据。

6.如权利要求1所述的基于稀疏车牌识别数据挖掘的交通小区划分方法，其特征在于，步骤3-3中，区域块之间聚类的距离为：式中，x和y代表两个区域块，α和β代表分别位于x和y中的两个路口，Fα，β是路口α和路口β之间的作用力，g(α，β)代表路口α和β之间的连通性。