1.一种驾驶员行为诱导与局部交通流优化方法，其特征在于：包括以下步骤：采集行驶过程中的车流信息，进行驾驶员性格参数识别，并制定良好的驾驶行为标准，具体包括以下步骤：

通过上传至云端的每辆车的历史交通数据，删选出跟驰状态中的交通流信息，获取到的跟驰车间距sd与跟驰速度vf，依据公式 sd＝λvf+L通过最小二乘法，获取时间距λ与停车距离L，通过跟驰时间距与停车距将每辆车对应的驾驶员性格进行分类，λ与L即为驾驶员性格参数，最终得到跟车环境下的综合参数，Yn＝{An,1，An,2，An,3，An,4}，Yn表示车队中第n车的综合参数，其中An,1表示车队中第n辆车行驶工况，An,2表示第n辆车的型号，An,3表示第n辆车驾驶员对应的驾驶性格参数，An,4表示驾驶员所在的道路环境信息；获取第n‑1车与第n车的综合参数分别为Yn‑1与Yn，从交通历史数据中删选出与第n‑1车参数一致的 Yn‑1，并且从交通历史数据中删选出除驾驶员性格参数An,3不同的，但An,1，An,2，An,4完全一致的Yn，对比跟随车的速度波动性，选择速度波动性最小的驾驶员的性格参数为最优驾驶行为标准；

判定驾驶员的驾驶行为是否合理，在不改变驾驶员的驾驶体验的前提下，通过标定的驾驶员性格参数与最优驾驶员性格参数，采用动态二分法确定驾驶员接受的矫正驾驶性格参数，从而优化交通流，缓解拥堵。

2.如权利要求1所述一种驾驶员行为诱导与局部交通流优化方法，其特征在于：还包括将大中小型车的对应的驾驶员性格参数进行归一化处理。

3.如权利要求1所述一种驾驶员行为诱导与局部交通流优化方法，其特征在于：所述动态二分法确定提供驾驶员接受的矫正驾驶性格参数的具体步骤包括：首先，选取驾驶员自身的驾驶性格参数与最优驾驶员性格参数取中值，作为良好驾驶建议的性格参数，并依据此提供相应的驾驶建议，当驾驶员愿意接受建议且无不良抵触情绪，则将其作为良好驾驶建议参数；若其抵触提供的驾驶建议则在此基础上重新计算良好驾驶员性格参数，此时新的驾驶员性格参数为自身驾驶参数与先前的良好驾驶参数的中值，依次计算直达驾驶员愿意接受驾驶建议为止，最后算出其良好驾驶参数值。

4.如权利要求3所述一种驾驶员行为诱导与局部交通流优化方法，其特征在于：通过设立分级式的良好的驾驶行为标准，当驾驶员达到建议后的驾驶行为标准后，重新设立新的建议驾驶参照，逐步诱导驾驶员保持更好的驾驶习惯。

5.如权利要求1所述一种驾驶员行为诱导与局部交通流优化方法，其特征在于：所述优化交通流包括驾驶员通过良好驾驶参数对比自己的驾驶行为是否符合要求，当不符合要求时，提供相应的驾驶建议建议其保持良好的驾驶行为：激进型驾驶员，当判定过分激进时，建议其保持车间距行驶；保守型驾驶员，当判定过远跟车时，建议其减小跟车车间距；通过云端知晓各车道归一化驾驶员性格参数的分布情况，建议驾驶员换道，保证各车道驾驶员性格类型合理分配。

6.如权利要求5所述一种驾驶员行为诱导与局部交通流优化方法，其特征在于：所述通过云端知晓各车道归一化驾驶员性格参数的分布情况，建议驾驶员换道，保证各车道驾驶员性格类型合理分配，具体包括把驾驶员看做物体，其驾驶性格特性看做物体的磁性特性，其中激进型驾驶员磁性为N，保守型驾驶员磁性为S，稳重型驾驶员为中性，且排斥力的大小与同种性格驾驶员连续排在一起的数量以及车型有关，即当同种性格类型的驾驶员连续排在一起的数量越多，其排斥力的大小就会呈几何倍数增加；且当同种车型且驾驶员性格相同时的汽车排在一起时，其斥力大小排序最大为大型车，然后是中型车，最后是小型车，排斥力大的车辆之间优先插入相反磁性的车辆，当相反磁性的车辆排序完成后，然后是磁性为中性的驾驶员插入到为排斥力的车辆之间，从而完成排序。

7.如权利要求5或6所述一种驾驶员行为诱导与局部交通流优化方法，其特征在于：当交通流预测为拥堵时，由云端提供辅助驾驶决策功能，计算实现最大通行量下各车的驾驶员性格参数的分配与排序。