1.一种车辆轨迹预测模型构建方法，其特征在于，方法包括：

步骤一，对目标区域待预测n+1时刻之前合理时间范围内的车辆轨迹数据进行清洗和校正，得到预处理数据，该预处理数据包括多条轨迹数据，任意条轨迹数据中包括多个轨迹点，各轨迹点的坐标为经纬度坐标；

步骤二，将预处理数据中的各轨迹点的经纬度坐标与目标区域地图数据中的道路ID对应，得到包含道路ID信息的轨迹数据集，其中任意条轨迹数据为：T＝{r1,r2,...,ri,...,rn}，其中ri表示在i时刻车辆所在的道路ID，i＝1,2,....,n；i＝1表示所述合理时间范围的起始时刻，每个时刻对应一个采样点；

步骤三，构建轨迹数据集中每一条轨迹数据的轨迹信息向量和目的地信息向量，构成轨迹数据向量集；构建每一条轨迹数据轨迹信息向量的标签和目的地信息向量的标签，构成标签数据集；

其中，任意轨迹数据T＝{r1,r2,...,ri,...,rn}的轨迹信息向量T'＝{ri-k,ri-k+1,...,ri-1,ri}，目的地信息向量T”＝{r1,r2,...,ri-k,ri-k+1,...,ri-1,ri},1≤i-k≤i-1，1≤k≤

10；T'的标签为ri+1；T”的标签为rn；

初始时2≤i≤11，且i-k≥1；

步骤四，利用轨迹数据向量集和标签数据集对上一次训练得到的Traj-MTL网络模型进行训练得到车辆轨迹车辆轨迹预测模型；

初始时，Traj-MTL网络包括两条通道，分别为轨迹预测通道和目的地预测通道，每条通道由依次连接的输入层、嵌入层、隐藏层和输出层构成；所述隐藏层由依次连接的第一层LSTM网络、全连接层、第二层LSTM网络构成，且两条通道的隐藏层中的第一层LSTM网络的输出拼接后，将得到的拼接数据分别输入两个通道的全连接层，之后依次经各自通道的第二层LSTM网络和输出层；

所述训练过程中的损失函数中的损失为两个通道训练过程中损失之和；

所述轨迹预测通道的嵌入层将每条轨迹数据的T'和其标签中的各道路ID进行高维向量表示，生成各轨迹数据的轨迹信息向量的嵌入表达矩阵和该矩阵的标签向量，构成轨迹信息向量的嵌入表达矩阵集合和标签向量集合，作为轨迹预测通道内第一层LSTM网络的输入和输出；

所述目的地预测通道的嵌入层将每条轨迹数据的T”和其标签中的各道路ID进行高维向量表示，生成各轨迹数据的目的地信息向量的嵌入表达矩阵和该矩阵的标签向量，构成目的地信息向量的嵌入表达矩阵集合和标签向量集合，作为目的地预测通道内第一层LSTM网络的输入；

步骤五，i＝i+1，循环执行步骤三和四，直至i＝n-1，得到待预测n+1时刻的道路轨迹预测模型。

2.如权利要求1所述的车辆轨迹预测模型构建方法，其特征在于，初始时，i＝3,4或5，i-k＝1。

3.如权利要求1所述的车辆轨迹预测模型构建方法，其特征在于，所述合理时间范围是一天或连续的2-7天，每30秒为一个采样点。

4.如权利要求1所述的车辆轨迹预测模型构建方法，其特征在于，所述道路ID的高维向量获取方法包括：采用自然语言处理中的word2vec模型中的Skip-Gram算法对目标区域的所有道路ID进行训练，构成d×|V|的矩阵，该矩阵的每个列向量为相应道路ID的高维向量，d为每条道路对应的高维向量的维度，|V|为目标区域的道路数目，200≤d≤600。

5.如权利要求1所述的车辆轨迹预测模型构建方法，其特征在于，所述训练过程中采用的损失函数为玻尔兹曼分布的极小化负对数似然函数。

6.如权利要求1所述的车辆轨迹预测模型构建方法，其特征在于，所述输出层为softmax层。

7.一种车辆轨迹预测方法，其特征在于，方法包括：

步骤1，数据处理；

对目标区域待预测n+1时刻之前的合理时间范围内的车辆轨迹数据进行清洗和校正，得到预处理数据；

将预处理数据中的各轨迹点的GPS经纬度坐标与目标区域地图数据中的道路ID对应，得到由道路ID构成的轨迹数据集；

步骤2，构建训练集：

生成每一条轨迹数据的轨迹信息向量和目的地信息向量，构成待预测数据，i取n，任意条轨迹数据的轨迹信息向量T'＝{rn-k′,rn-k′+1,...,rn-1,rn}，目的地信息向量T”＝{rn-k′,rn-k′+1,...,rn-1,rn}；

步骤3，轨迹点预测

将所述待预测数据输入到权利要求1训练好的模型中，两个通道的输出相同，该输出为各条轨迹的待预测n+1的时刻预测结果；

步骤4，模型更新及预测：

i＝n+1，采用权利要求1所述步骤二和三对上一待预测时刻的预测模型进行更新，得到下一待预测时刻的预测模型；执行步骤1、2和3对下一待预测n+2时刻的轨迹进行预测；

步骤5，i＝n+1+1，循环执行步骤4进行车辆轨迹预测。

8.如权利要求7所述的车辆轨迹预测方法，其特征在于，所述待预测n+1时刻之前的合理时间范围最少为30分钟。

9.如权利要求7所述的车辆轨迹预测方法，其特征在于，10≤k′≤60。

10.一种车辆轨迹预测系统，其特征在于，包括数据处理模块、模型更新模块和预测模块；

所述数据处理模型用于对待预测数据进行处理，构建待预测数据及模型更新所用数据；

所述模型更新模型，用于对上一时刻的预测模型进行更新；

所述预测模块，利用待预测数据和更新后的模型对车辆轨迹进行预测，输出预测结果。