1.一种道路交通拥堵预警方法，其特征在于，包括：根据获取的多源交通数据进行特征分类，并构建相应的特征隶属度函数，对特征隶属度函数采用最小加权平均算法得到第一模糊权值；

对多源交通数据采用专家评价法构建人工隶属度函数，并计算第二模糊权值；

根据第一模糊权值和第二模糊权值融合后得到的融合模糊权值，对特征隶属度函数进行模糊加权平均，对得到的不同特征量的加权平均值隶属度函数进行解模糊，得到多源融合交通数据；

对多源融合交通数据采用核超限学习机群组算法构建道路交通拥堵模型，计算最佳道路交通拥堵指数；

获取当前多源交通数据，根据道路交通拥堵模型预测当前拥堵指数，通过与最佳道路交通拥堵指数进行比较，对当前道路是否拥堵进行预警。

2.如权利要求1所述的一种道路交通拥堵预警方法，其特征在于，所述多源交通数据进行特征分类后得到路特征、人特征、环境特征和车特征；所述路特征包括交通流量、车道数和道路等级；所述人特征包括驾驶员行为特征和行人行为特征；所述环境特征包括道路天气和交通事故信息；所述车特征包括车辆的位置、车速、车头间距和车况。

3.如权利要求1所述的一种道路交通拥堵预警方法，其特征在于，根据特征分类结果分别构建特征论域，并对特征论域中特征数据划分等级，构建相应的模糊推理规则表，根据模糊推理规则表建立对应模糊推理等级论域的模糊子集，通过模糊映射得到特征隶属度函数。

4.如权利要求3所述的一种道路交通拥堵预警方法，其特征在于，对不同特征论域的数据进行加权平均，采用柯西不等式得到总均方差的极小值，利用多元函数极值计算总均方差极小值时的第一模糊权值。

5.如权利要求1所述的一种道路交通拥堵预警方法，其特征在于，所述解模糊采用重心法，得到的多源交通融合数据包括交通流量、反应时间、车速、车头间距、车辆加速度。

6.如权利要求1所述的一种道路交通拥堵预警方法，其特征在于，获取多源交通融合数据作为输入样本对核超限学习子模型进行训练，得到不同特征量的子模型；

对不同特征量的子模型进行并行运算，构建道路交通拥堵模型。

7.如权利要求1所述的一种道路交通拥堵预警方法，其特征在于，根据核超限学习机群组算法的内核函数的内积形式和核函数计算最佳道路交通拥堵指数。

8.一种道路交通拥堵预警系统，其特征在于，包括：第一模糊权值计算模块，用于根据获取的多源交通数据进行特征分类，并构建相应的特征隶属度函数，对特征隶属度函数采用最小加权平均算法得到第一模糊权值；

第二模糊权值计算模块，用于对多源交通数据采用专家评价法构建人工隶属度函数，并计算第二模糊权值；

融合模块，用于根据第一模糊权值和第二模糊权值融合后得到的融合模糊权值，对特征隶属度函数进行模糊加权平均，对得到的不同特征量的加权平均值隶属度函数进行解模糊，得到多源融合交通数据；

模型构建模块，用于对多源融合交通数据采用核超限学习机群组算法构建道路交通拥堵模型，计算最佳道路交通拥堵指数；

拥堵预警模块，用于获取当前多源交通数据，根据道路交通拥堵模型预测当前拥堵指数，通过与最佳道路交通拥堵指数进行比较，对当前道路是否拥堵进行预警。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1‑7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1‑7任一项所述的方法。