1.一种基于大数据建模的海上船舶流量预测方法，其特征在于，该方法包括以下步骤：将预测区海面进行区域划分，在每个区域内均匀布置8-12个区域传感器；建立定量特征和定性特征；

所述定量特征基于船舶提供的数据；所述定性特征基于区域传感器提供的数据；通过块坐标下降求解多类特征融合的方式将多种数据源的定量特征和定性特征的数据融合，求解海洋交通流量的预测。

2.如权利要求1所述的一种基于大数据建模的海上船舶流量预测方法，其特征在于，所述定量特征包括若干子特征，每个子特征分别对应一种类型船舶的数据；对每一种类型船舶的数据建立历史GPS数据矩阵X和实时GPS数据矩阵Y；对于航线的物理信息，建立矩阵Z；

对所述矩阵X、矩阵Y和矩阵Z进行分解，两两共享进行矩阵分解后得到的相同的特征因子；

获得各航线上实时船舶流量信息；

其中，矩阵X的每一个条目为一条航线在一个时间段内的平均速度和速度方差，矩阵Y的每一个条目为一个区域在一个时间段经过的总船舶数量；矩阵Z的每一行表示一条航线，每一列表示一个物理属性。

3.如权利要求2所述的一种基于大数据建模的海上船舶流量预测方法，其特征在于，在分解中，将矩阵X和矩阵Y直接合并，作为同一个矩阵进行分解。

4.如权利要求1所述的一种基于大数据建模的海上船舶流量预测方法，其特征在于，所述定性特征根据接收到的区域传感器数据计算出环境属性变量，数据化环境属性变量，对每个区域内的所有传感器数据进行处理，获得单个区域内各种环境属性均值与方差。

5.如权利要求1-4任一所述的一种基于大数据建模的海上船舶流量预测方法，其特征在于，所述多类特征融合表达式如下：

其中t表示时间，a表示某航线段所属区域， 表示在a航线段所属区域，t时间段内的海上船舶真实流量，其中 表示某v特征下a地点，t时间段内的海上船舶流量；Wa·t表示各个特征的权重分配，其中 表示某v特征的权重分配； 函数将 与 的距离进行量化。

6.如权利要求1所述的一种基于大数据建模的海上船舶流量预测方法，其特征在于，所述对预测区海面进行区域划分，划分出的每个区域面积相同，区域内的环境属性变量变化在阈值范围内。

7.如权利要求1所述的一种基于大数据建模的海上船舶流量预测方法，其特征在于，包括上位机，所述上位机采集传感器的数据信号并进行信号处理。