1.一种公交车驾驶人情绪监测与预测方法，其特征在于，包括以下步骤：步骤1，将公交车的运行阶段划分为多个子片段，以公交车在每个子片段的正常行驶时间和延误时间为分类依据，将每个子片段划分为多个延误等级；

步骤2，预先采集驾驶人在每个子片段的每个延误等级的操作状态数据信息，并建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库；

步骤3，实时采集驾驶人在每个子片段的每个延误等级的实际操作状态数据信息，并将驾驶人的实际操作状态数据信息与对应的驾驶人的操作状态数据稳定区间进行比较，判断驾驶人是否为正常驾驶；

步骤4，当驾驶人为非正常行驶时，判断驾驶人是否产生路怒情绪；

步骤5，当驾驶人未产生路怒情绪时，对驾驶人进行路怒预测；

当驾驶人产生路怒情绪时，通过语音播报来提醒驾驶人注意；并对驾驶人产生的路怒时间进行确定，判断是否将驾驶人的路怒信息发送给公交公司。

2.根据权利要求1所述的公交车驾驶人情绪监测与预测方法，其特征在于，步骤1包含以下子步骤：

子步骤1.1，将公交车的运行阶段划分为进站、出站、跟车行驶、自由行驶、换道、转弯、斑马线避让行人、掉头、路口停车等待、路口停车后起步、路口不停车通行11个子片段；

子步骤1.2，将公交车在每个子片段上不发生拥堵情况下的行驶时间作为正常行驶时间，并以每个子片段的正常行驶时间为参考基准，确定公交车在每个子片段上的不同等级的延误时间，根据公交车在每个子片段的正常行驶时间和不同等级的延误时间，将每个子片段划分为多个延误等级；其中，所述多个延误等级为：无延误、一般延误、中等延误、严重延误和极端延误。

3.根据权利要求1所述的公交车驾驶人情绪监测与预测方法，其特征在于，步骤2具体包含以下子步骤：

子步骤2.1，对确定的行车线路和确定的驾驶人，设定监测周期，在监测周期内持续采集这个驾驶人在每个子片段的每个延误等级的操作状态数据信息；

其中，所述操作状态数据信息包含车辆加速度、方向盘转角、方向盘转动角速度、加速踏板开度、加速踏板开度变化率、车辆速度和转向灯信息；

子步骤2.2，将采集得到的驾驶人在每个子片段的每个延误等级的操作状态数据信息采用统计学方法，建立驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间的规则库；

其中，驾驶人在每个子片段的每个延误等级的操作状态数据稳定区间为[A(i，j)，B(i，j)]；其中，A(i，j)为稳定区间的下限，B(i，j)为稳定区间的上限，子片段数i＝1，2，...，11；

延误等级数j＝1，2，...，5。

4.根据权利要求1所述的公交车驾驶人情绪监测与预测方法，其特征在于，步骤3中，所述判断驾驶人是否为正常驾驶具体为：当驾驶人的实际操作状态数据信息居于对应的操作状态数据稳定区间内，则认为驾驶人正常行驶；

当驾驶人的实际操作状态数据信息偏离对应的操作状态数据稳定区间，则认为驾驶人非正常行驶。

5.根据权利要求1所述的公交车驾驶人情绪监测与预测方法，其特征在于，步骤4中，所述判断驾驶人是否产生路怒情绪具体为：当驾驶人不小于3个的实际操作状态数据信息偏离对应的操作状态数据稳定区间时，则认为驾驶人产生路怒情绪；否则，则认为驾驶人未产生路怒情绪。

6.根据权利要求1所述的公交车驾驶人情绪监测与预测方法，其特征在于，步骤5中，所述对驾驶人进行路怒预测的方法为：确定出当前延误等级为xj，延误等级数j＝1，2，3，4，5，分别表示无延误、一般延误、中等延误、严重延误、极端延误；将电子地图返回的前方路线拥堵程度记为ym，拥挤程度数m＝1，

2，3，...，ym+1＞ym，则F(xj，ym)是由延误等级xj和前方拥堵程度ym所确定的函数，F(xj，ym)与xj和ym均为正相关；当P{F(xj，ym)}≥Ck时，则认为驾驶人将会出现路怒情绪；其中，P{F(xj，ym)}表示驾驶人出现路怒的概率，Ck表示驾驶人出现路怒的阈值，时间k＝5，10，15；

所述判断是否将驾驶人的路怒信息发送给公交公司具体为：若驾驶人的实际操作状态数据持续2分钟以上脱离对应的操作状态数据稳定区间，即认为驾驶人长时间处于路怒情绪，则进行语音播报的同时将驾驶人的路怒情绪通过车载4G通讯模块传递给公交公司；否则，只进行语音播报，不将驾驶人的路怒情绪传递给公交公司。