1.一种车辆目标轨迹跟踪系统，其特征在于，包括了数据采集系统和数据控制系统，数据采集系统有多个，每个数据采集系统包括交换机、工控机、车牌摄像头和毫米波雷达，车牌摄像头通过数据线连接工控机，毫米波雷达通过信号线与交换机相连，交换机通过信号线与工控机相连；

数据控制系统包括数据服务器和数据显示仪，工控机通过公网数据转换器与数据服务器相连通，数据服务器上连接有数据显示仪。

2.根据权利要求1所述的一种车辆目标轨迹跟踪系统，其特征在于，所述数据采集系统还包括多个定位撑架；每个数据采集系统中的车牌摄像头和毫米波雷达均有多个，每个数据采集系统中的交换机和工控机均设置有一个，每个定位撑架的上适配设置一个车牌摄像头和一个毫米波雷达。

3.根据权利要求2所述的一种车辆目标轨迹跟踪系统，其特征在于，所述工控机包括数据存储模块、数据分析剔除模块、车辆跟踪计算模块和数据发送模块，数据存储模块通过数据线连接数据分析剔除模块、车辆跟踪计算模块和数据发送模块。

4.一种车辆轨迹跟踪方法，其特征在于，采用权利要求3所述的一种车辆目标轨迹跟踪系统，具体包括以下步骤：步骤一，通过数据显示仪，控制数据服务器和数据采集系统启动，工控机启动后，加载数据存储模块内的本地和远程配置文件，初始化数据分析剔除模块、车辆跟踪计算模块和数据发送模块；本地和远程配置文件内的数据进入到分析剔除模块和车辆跟踪计算模块中；

步骤二，毫米波雷达工作，毫米波雷达发射电磁波对移动和静止的物项进行照射并接收其回波，由此获得物项至电磁波发射点的距离、速度、位置和RCS能量值等关于物项位置的物项信息；

步骤三，毫米波雷达将监测到的物项信息传输到交换机中；交换机将交换后的物项信息传输到数据分析剔除模块中，此时交换机传输的物项信息为原始数据，原始数据每次只接收一帧；

步骤四，数据分析剔除模块对物项信息进行初步的判断；

如果物项信息不完整，则将物项信息返还给毫米波雷达中，并重复步骤二继续接收毫米波雷达的原始数据；

如果物项信息完整，则进行后续步骤；

步骤五，数据分析剔除模块将原始的物项信息进行解析，数据分析剔除模块通过噪声剔除法将非目标物项信息进行剔除，并获取干净的物项信息数据；

步骤六，数据分析剔除模块将干净的物项信息数据输入到车辆跟踪计算模块内，车辆跟踪计算模块根据RNN车辆目标轨迹跟踪算法，获取相应的物项的轨迹跟踪数据；

步骤七，车辆跟踪计算模块将轨迹跟踪数据传输到数据发送模块，数据发送模块将轨迹跟踪结果传送到数据服务器中及公共网络中；

步骤八，当一帧车辆的数据解析完成后，返回步骤五，工控机利用UDP协议继续接收毫米波雷达监测的原始数据。

5.根据权利要求4中所述的一种车辆轨迹跟踪方法，其特征在于，所述噪声剔除法包括如下步骤：第一步，剔除与物项信息本身无关的一切背景噪声干扰数据；

第二步，由于数据分析剔除模块中会根据RCS能量值大小特性设置阈值，根据RCS能量值的阈值，剔除与RCS能量值无关的噪声目标；

第三步，由于数据分析剔除模块中根据距离、速度和位置特性设置阈值，根据距离、速度和位置的阈值，剔除与距离、速度和位置无关的噪声目标。

6.根据权利要求4中所述的一种车辆轨迹跟踪方法，其特征在于，所述RNN车辆目标轨迹跟踪算法包括如下步骤：第一步，将毫米波雷达采集到的原始数据建立在极坐标系的基础上，既物体的二维空间位置用径向距离和角度表示，为了简便之后的数学计算，我们将把极坐标系的信息，转换为二维空间直角坐标系，用(x,y)值进行表示；

第二步，通过坐标系的转换，当前一个目标数据格式为(a(发生时间),x,y,s(径向速度),r(RCS值))，参考毫米波雷达的极限值，即最大探测径向距离、最大探测角度、最大探测径向速度、最大RCS值，将数据变为(0,1)区间内的数值，以便后续处理；

第三步，数据处理后，每次传入一组通过数据清洗之后完整的帧，我们所使用的雷达一帧是32个目标信息，即：i i i i i i

x＝(a x y s r)

每传入一组完整的帧后，数据将进行回归循环神经网络程序，回归循环神经网络程序完成后，得到相应的目标车辆轨迹跟踪数据；

第四步，RNN车辆目标轨迹跟踪算法分为多个每个RNN单元，为每个RNN单元绑定一个评价器；

如果RNN持续工作，评价器会持续激活，评分会持续增加并不会超过人为设置的最大值；

如果RNN长期不工作，评分持续衰减，当降低至最小值，则会在运行中初始化此RNN单元，使其等待新的目标出现。