1.一种基于大数据的物流运输路径规划系统，其特征在于，所述物流运输路径规划系统包括智能匹配系统、智能评估模块、智能线路规划模块以及实时调整模块；

其中，所述智能匹配系统用于匹配智能线路规划模块筛选出的最优路径上符合匹配条件的司机，并进行分配；

所述智能评估模块用于对物流运输进行评估；所述智能线路规划模块用于对线路进行规划；所述实时调整模块用于对线路进行实时调整；

其中，所述智能匹配系统对司机进行分配，具体为：

步骤一：获取司机面部视频图像信息与驾驶时长值，并通过疲劳驾驶模型获取司机疲劳驾驶值；

步骤二：司机疲劳驾驶值超过当前道路疲劳驾驶阈值时，向司机发送代驾请求；

步骤三：司机确认代驾后，通过筛选模型筛选出最优代驾司机，并导航至代驾司机代驾地点；

步骤四：在前往代驾地点期间，向司机发出提示，并实时获取司机疲劳驾驶值；

步骤五：当前往代驾地点途中司机疲劳驾驶值超过阈值时，则将导航地址选取为当前距离最近的休息点，并获取途径休息点的代驾司机信息；

步骤六：司机根据代驾司机信息向选定的代驾司机发送代驾请求，和代驾人达成代驾协议；

所述疲劳驾驶模型具体为：

A1：通过人脸识别判断是否存在疲劳驾驶的情况，分为：AA1：当司机出现点头或/和皱眉头以及打哈欠的情况时，司机疲劳驾驶分增加1分；

AA2：当司机出现头部左右摇晃的情况时，司机疲劳驾驶分增加2分；

AA3：当司机出现睡着或/和眼睛完全打不开的情况时，司机疲劳驾驶分增加3分；

A2：通过物联网平台获取当前道路发生车祸的历史情况值；

A3：将当前道路发生车祸的历史情况值加入司机疲劳驾驶分内得到司机疲劳驾驶值；

其中，所述当前道路疲劳驾驶阈值具体为：

B1:获取司机当前驾驶时长值、当前道路发生车祸的历史情况值以及未来行驶路线发生车祸的历史情况值；

B2:将驾驶时长值与当前道路发生车祸的历史情况值以及未来行驶路线发生车祸的历史情况值相加得到预测驾驶阈值；

B3:将预测驾驶阈值乘以当前道路司机值获得当前道路疲劳驾驶阈值；

其中，当前道路司机值为当前路段内行驶车辆总数乘以预设比例调节系数；

所述智能评估模块用于对物流运输进行评估，具体为，

SS1：获取买家客户端口的物料总量Dz和物料日消耗量Dr，计算得到买家客户端口的物料使用日数Rs；

SS2：获取买家客户端口的送货位置坐标，利用地图模型得到买家客户端口与物料仓库位置之间的距离，并将距离标记为Jl；

SS3：获取买家客户端口的物料平均运输速度，并将物料平均运输速度标记为Si；

SS4：利用公式R＝Jl/Si计算得到物料的运输日数R；

SS5：利用公式Dx＝R×Dr得到物料运输日数期间买家的物料消耗量Dx；

SS6：获取买家客户端口的物料仓储量，并将物料仓储量标记为Cl，物料仓储量Cl与物料运输日数时的物料消耗量Dx进行比对，若Cl＞Dx+T2，买家客户端口标记为正常配送买家；当Cl≤Dx+T2，买家客户端口选定加急配送终端，并进行优先配送；

其中，T2代表额外消耗物料，额外消耗物料包括劣质损坏物料、人工损坏物料和外界因素损坏物料；

所述智能线路规划模块用于规划运输路线，具体为，获取买家的配送度与运输日数R，并将运输日数R作为系数代入规划模型中得出最优路径；

其中，所述规划模型得出最优路径具体为，将出发点坐标与物料仓库位置坐标代入导航APP中，获得若干导航路线，选取若干导航路线满足运输日数R的导航路线为预选路径，获取预选路径内可选代驾司机最多的路径为最优路径，并将最优路径最优路径发送至实时调整模块内；

所述实时调整模块内用于对线路进行实时调整，具体为，获取物料的最优路径与预选路径，并在最优路径上随机设定n+1个检测点，其中n大于等于最优路径上收费站个数，最优路径被划分为n个运输路线段；获取物料的运输起始日T0和运输日数R，通过导航APP获取到每个运输路线段的所需时间Td，由此得到每个检测点的预设时间依次为T0，……，T0+n×Td；当达到检测点的预设时间，获取物料运输设备的实时地理位置，以物料运输设备为原点建立二维坐标系，利用距离公式计算得到物料运输设备距离检测点的最近距离Jmin；最近距离Jmin与设定距离阈值比对，若最近距离Jmin大于设定距离阈值，判定物料运输设备偏离路线，其中，设定距离阈值为运输路线段的二分之一；

其中，当判定物料运输设备偏离路线时，通过导航APP通知司机进行调整。

2.根据权利要求1所述的一种基于大数据的物流运输路径规划系统，其特征在于，向驾驶人发送代驾请求包括代驾司机姓名、驾龄、准驾车型以及匹配度。

3.根据权利要求2所述的一种基于大数据的物流运输路径规划系统，其特征在于，所述匹配度具体为：C1：获取与驾驶人同条路线的车辆，并判断车辆内是否有空闲驾驶人；

C2：获取空闲驾驶人的姓名、驾龄、准驾车型与驾驶人预设信息进行对比；

C3：将对比结果输出为匹配度；

所述在前往代驾地点期间，向驾驶人发出提示包括调节车窗开度、调节空调温度以及出风量以及调节中控音量大小；

所述当前往代驾地点途中驾驶人疲劳驾驶值超过阈值时具体为：D1：获取当前道路疲劳驾驶阈值与驾驶人疲劳驾驶值；

D2：当前道路疲劳驾驶阈值减去驾驶人疲劳驾驶值，乘预设修正系数得出当前往代驾地点途中驾驶人疲劳驾驶值超过阈值；

所述匹配度还包括获取司机预期需要到达目的地的预估时间，预期休息时间长，对车祸风险的排斥值；

所述获取司机面部视频图像信息与驾驶时长值具体为获取车载ECU信息进行提取。

4.根据权利要求3所述的一种基于大数据的物流运输路径规划系统，其特征在于，所述步骤六之后还包括：步骤七:进行代驾后，计算司机到达最终目的地所需要的时间与费用。