1.基于海量交通数据居民出行起点终点矩阵提取方法，其特征在于：步骤1.交通治安卡口监控设备和电子警察设备采集过车车辆车牌图像；利用图像识别算法获得车辆的车牌号码，将车辆的车牌号码，过车时间和过车卡口编号上传服务器数据库；

步骤2.对服务器数据库中过车数据进行预处理处理，剔除未识别车牌号和重复传输的车辆信息；

步骤3.读取过车车辆数据，创建过车车辆数据表；

步骤4.根据数据挖掘算法，对过车车辆数据进行分析处理；建立卡口对映射表；寻找过车车辆经过卡口先后顺序，如果一辆车连续经过卡口K1和卡口K2，计算卡口对{K1，K2}的旅行时间，并添加到卡口对{K1，K2}旅行时间列表；通过密度聚类算法对每个卡口对的旅行时间聚类，将过车车辆轨迹点划分为起点终点轨迹点和移动轨迹点；重新遍历每辆车的轨迹，根据车辆是否为起点终点轨迹点，提取每辆车OD对；提取所有OD对，构建OD矩阵。

2.根据权利要求1所述的基于海量交通数据居民出行起点终点矩阵提取方法，其特征在于：步骤4具体是：步骤4-1.通过以下公式构建过车轨迹集合：

其中S表示过车轨迹集合，Traj表示某辆车轨迹即经过的卡口集合，Hi表示第i辆车车牌号码，N为总的车辆个数；K表示卡口编号，T表示车辆经过卡口时间，Ts表示开始时间，设置凌晨0点，Te表示结束时间，设置晚上12点，M表示车辆经过卡口个数；KTj表示在Tj时经过的卡口编号， 表示在Tj+1时经过卡口编号， 表示该车连续经过两个卡口点，Tj+1-Tj表示该车在卡口对 的旅行时间；

步骤4-2通过下面公式构建卡口对的旅行时间集合：

其中Km和Kn表示卡口编号，t表示经过某对卡口对的旅行时间，J表示卡口总的数量，指的是经过卡口对{Km，Kn}所有车辆的旅行时间集合；

步骤4-3利用密度聚类算法划分车辆轨迹为起点终点轨迹点和移动轨迹点：对于给定数据集T＝{t1t2t3，...，，tm}，“邻域”参数(ε，MinPts)，详细定义为：ε-领域：对ti∈T，其ε-领域指的是在样本T中与ti的距离不大于ε的样本；具体表达如下式，式中Nε(ti)表示样本ti邻域样本集合，|Nε(ti)|表示样本ti邻域样本集合个数；

核心对象：若ti的ε-领域至少包含MinPts个样本，即

|Nε(tj)|≥MinPts，则ti是一个核心对象；

密度直达：若ti的ε-领域存在核心对象tj，则tj是由ti密度可达；

密度可达：若对样本ti，ti，存在样本序列

p1，p2，p3，...，pn，p1＝ti，pn＝tj，且pi由pi+1密度可达，则称样本ti由tj密度可达；

密度相连：若对样本ti，tj，存在一个样本tk，样本ti，tj均可由tk密度可达，则称ti与tj密度相连；

基于旅行时间密度聚类算法通过定义核心点的密度，以核心点位起点，不断按照密度要求向外围扩展最终形成簇的过程；形成的簇意味着大量机动车在一定时间范围驶过卡口对，没有形成簇的则为异常点，则表示车辆在卡口对发生了停留，即车辆到达目的地，产生了一个OD对；

步骤4-4读取过车轨迹集合Traj，该车在[Ts，Te]时间段内经过卡口编号为{K1，K2，K3，...，KM}；构建卡口对{K1，K2}，{K2，K3}，{K3，K4}，...，{KM-1，KM}，计算该车经过卡口对旅行时间，构建卡口对旅行时间集合步骤4-5对海量交通流中所有车辆的过车轨迹Traj，重复执行步骤4-4，获得所有卡口对旅行时间列表，利用密度聚类算法划分起点终点轨迹点和移动点，提取OD对；

步骤4-6构建OD矩阵：

根据步骤4-5获取OD对，合并相同OD对计算每个OD对出现次数，填写OD矩阵。