1.一种基于历史GPS轨迹的共享单车逆行行为识别方法，其特征在于，步骤1：定义共享单车逆行行为：在非机动车道上，与同向机动车车道行驶方向相反的共享单车骑行行为；

步骤2：识别共享单车每次行程，将各次历史GPS轨迹匹配至道路上，并剔除轨迹数据异常点，形成训练轨迹样本集；

步骤3：建立共享单车标准行程轨迹数据库：根据轨迹训练样本集，采用K均值聚类法确定轨迹聚类的个数，即最合适的标准轨迹模式数量；建立两条训练轨迹间的距离矩阵，确定各类标准轨迹模式，将每一条训练轨迹归入对应的轨迹模式，构成共享单车标准轨迹数据库；

步骤4：建立共享单车候选轨迹类模型，判定候选轨迹所属轨迹模式；将候选轨迹与标准轨迹数据库进行参数匹配，判断其是否为共享单车逆行行为。

2.根据权利要求1所述的基于历史GPS轨迹的共享单车逆行行为识别方法，其特征在于，所述步骤2具体为：步骤21：通过用户ID、起讫点经纬度坐标、持续骑行时间、连续轨迹点信息识别共享单车的每次行程；

步骤22：用目标道路非机动车道范围内的点作为标准点，在所匹配地图中搜索与标准点符合的区域，当匹配相似性测度达到最大且超过预先规定阈值时，即判定匹配到了车辆在该路段的最大可能位置；

步骤23：利用卡尔曼滤波的线性优越性，对轨迹数据集进行清洗，即在干扰为高斯分布的情况下，通过多次递归和重复调整，使得测量均方误差即扰动最小，从而剔除异常的轨迹点，使轨迹平滑。

3.根据权利要求1所述的基于历史GPS轨迹的共享单车逆行行为识别方法，其特征在于，所述步骤3具体包括：步骤31：将训练轨迹样本集中的各条训练轨迹，两两比较，不断更新，得到最优训练轨迹，找出共享单车在非机动车道上的标准骑行路径及方向；

步骤32：以机动车行驶方向为其标准运动方向，利用R软件，针对训练轨迹数据，通过误差平方和图中拐点位置所对应的X轴上显示的数字，确定K均值聚类最合适的聚类个数；

步骤33：建立两条训练轨迹间的距离矩阵，其公式如下所示：

d(A1,A2)＝Khdh(A1,A2)+KVdV(A1,A2)+Kθdθ(A1,A2)式中：h代表空间因素、v代表速度因素、θ代表方向因素；

dv(A1,A2)表示A1、A2两条训练轨迹间的速度距离，且 和 分别为两条训练轨迹间的速度；

dθ(A1,A2)表示A1、A2两条训练轨迹间的方向距离， 和 分别为两条训练轨迹间的方向夹角；

Kh、Kv、Kθ分别表示空间、速度、方向对轨迹距离的权重系数；

dh(A1,A2)表示A1、A2两条训练轨迹间的空间距离，且

式中：R表示地球球体半径；WA1、WA2及JA1、JA2分别代表A1、A2两条训练轨迹的纬度和经度；

设存在集合Ω＝(A1,A2,…,AL)，对每两个训练轨迹序列进行距离计算，得到训练轨迹距离矩阵Dmn＝d(Am,An)，即第m和第n条训练轨迹间的距离矩阵；

步骤34：通过连续迭代两条训练轨迹间的距离矩阵，直至作为标准轨迹类型的聚类中心不再变化，即判定每个聚类内的所有训练轨迹属于同一轨迹模式；

步骤35：建立包含各类轨迹模式空间位置Meh、运动速度Mev和方向Meθ的共享单车标准轨迹数据库，其中，e∈[1,K]。

4.根据权利要求3所述的基于历史GPS轨迹的共享单车逆行行为识别方法，其特征在于，所述步骤34具体包括：步骤341：初始化聚类中心，即确定标准轨迹类型：随机选取一条共享单车行程轨迹作为第一类的初始聚类中心AO1，然后在剩下的L-1条轨迹序列里选取一条作为第二类的初始中心AO2；设定距离阈值ρ1，使两个聚类中心的距离满足DO1,O2＝d(AO1,AO2)≥ρ1，即通过两个聚类中心间的距离判断两个中心是否为同一类，以此类推选出K个聚类的初始化中心；

步骤342：对训练轨迹数据进行分类，也即确定每一条训练轨迹所属的标准轨迹类型：比较所有训练轨迹Ai与各个初始化中心Aoj的距离d(Ai,Aoj)，将所有训练轨迹归类到与它最接近的初始化聚类中心所在的类；用公式表示如下：步骤343：调整聚类中心，即优化标准训练轨迹：对于每一类训练轨迹都找出属于该类的所有轨迹数据，并寻找一条新的训练轨迹作为代表，使其到该类内所有训练轨迹的距离之和最小，即为新的聚类中心，

5.根据权利要求3所述的基于历史GPS轨迹的共享单车逆行行为识别方法，其特征在于，所述步骤4具体包括：步骤41：建立共享单车候选轨迹类模型：

设As表示候选轨迹；ωe表示第e类轨迹模式；P(As|ωe)表示在ωe模式下出现候选轨迹As的条件概率；利用高斯分布求得联合概率密度，及分别对应于空间距离、速度距离或方向距离的边缘概率密度，以便利用标准轨迹数据库对每一候选轨迹进行识别匹配，即联合匹配或边缘匹配；

步骤42：基于贝叶斯决策理论，对共享单车候选轨迹类模型进行最优化处理，通过计算各类模式的概率，以判定轨迹所属模式；设阈值ρ2，当其满足maxP(ωe|As)≥ρ2时，则判定候选轨迹As属于轨迹模式ωe；

步骤43：将共享单车候选轨迹与标准轨迹数据库比较，识别其逆行行为：若一条候选轨迹的空间位置、运动速度或方向数据与标准轨迹数据库内任一类轨迹模式中相应的数据一致，则表示该类轨迹模式的新轨迹出现；

判定这条新的轨迹特征是否符合联合匹配，即判断新轨迹数据是否与共享单车标准轨迹数据库内各项参数均匹配，若符合联合匹配则为正常行为；若不符合，则进行边缘匹配判断，即判断新轨迹数据是否与共享单车标准轨迹数据库内各项参数部分匹配；

若符合边缘匹配则表明是已存在的异常行为即逆行行为；若不符合，则属于暂未存在于数据库的异常行为，则根据新的轨迹数据对数据库进行更新。