1.一种基于梯度提升决策树的路口展宽车道探测方法，其特征在于，包括以下步骤：

步骤1，数据输入，包括输入浮动车数据和城市道路矢量图进行数据预处理，剔除浮动车轨迹中的漂移点，然后将浮动车数据划为交叉口处的浮动车数据和非交叉口处的浮动车数据，再分别根据轨迹所覆盖的道路，沿道路方向等间距分割，得到若干分隔段作为基本的研究单元；

步骤2，特征分析，包括交叉路口车道展宽变化特征分析，及与交叉口车道变化对应的FCD轨迹特征分析；

步骤3，特征选择，包括选择用于构建基本分类器和车道数量计算的4个特征参数，分别为浮动车数据点在道路横截面上的分布宽度、分布密度、FCD的方向夹角以及速度；

步骤4，构建基本分类器，包括按照浮动车轨迹的运行场景，构建基于FCD概率密度的车道数量的基本分类器；

步骤5，基于梯度提升决策树的车道计算，包括利用浮动车数据，参照基本分类器，根据梯度提升决策树分类方法，选取将FCD划分不同车道数量时，信息熵最小且该车道划分在横截面上最佳分布状态对应的分类个数作为该段道路对应的车道数目；

步骤6，展宽车道判定，包括对比同一道路上，不同研究单元对应的道路路段上车道数量变化情况，判断路口是否存在展宽车道。

2.根据权利要求1所述基于梯度提升决策树的路口展宽车道探测方法，其特征在于：步骤4中，利用已知车道数量的路段上覆盖的浮动车数据作为训练样本，根据描述性统计方法，统计不同车道数量的路段上覆盖的浮动车数据4个特征参数分别的平均值，实现构建基本分类器。

3.根据权利要求1或2所述基于梯度提升决策树的路口展宽车道探测方法，其特征在于：浮动车数据点在道路横截面上的分布宽度，是通过计算分割段内每个浮动车数据点到轨迹中心的欧式距离值获取。

4.根据权利要求1或2所述基于梯度提升决策树的路口展宽车道探测方法，其特征在于：浮动车数据点在道路横截面上的分布密度提取方式如下，沿分割段内轨迹中心线水平方向，将浮动车数据覆盖范围按等距分割为若干区间，计算各区间内轨迹点数量与分割段内总数量之比，得到各区间内的轨迹点密度；将任一浮动车数据点相应轨迹点所在区间的轨迹点密度，作为该浮动车数据点在道路横截面上的分布密度的取值。