1.一种基于大数据的乘客信息加密算法，其特征在于，该方法包括：基于神经网络计算用户出行数据与第一出行模型，第二出行模型以及第三出行模型的相似度；

基于用户身份生成输出系统公钥，保存主密钥；

输入主密钥，基于相似度最少选取其中一组的用户的属性列表分组计算k个属性的密钥；

输入公钥、消息以及访问树；

输入公钥，私钥，密文和残缺的访问结构；如果用户的属性满足整个访问控制结构，通过递归计算，可以得到根节点秘密值并成功计算明文；

其中，用户的属性列表包括出发时间，出发地点以及目的地三个属性列表。

2.根据权利要求1所述的基于大数据的乘客信息加密算法，其特征在于，统计与用户出发时间相同的订单数据，以订单数据中出发地点最集中的出行路线设置为第一出行模型；

统计与用户出发时间相同的订单数据，以订单数据中目的地最集中的出行路线设置为第二出行模型；

统计与用户出发路线相同的订单数据，以订单数据中出发时间最集中的出行路线设置为第三出行模型。

3.根据权利要求2所述的基于大数据的乘客信息加密算法，其特征在于，所述统计与用户出发路线相同的订单数据，以订单数据中出发时间最集中的出行路线设置为第三出行模型包括：

统计订单数据中与用户出发地点小于预设阈值的统计出发地点；

统计订单数据中与用户目的地小于预设阈值的统计目的地；

统计订单数据中连接统计出发地点和统计目的地的出发路线即为与用户出发路线相同的路线。

4.根据权利要3所述的基于大数据的乘客信息加密算法，其特征在于，所述基于神经网络计算用户出行数据与第一出行模型，第二出行模型以及第三出行模型的相似度包括：基于神经网络统计用户出发地点与订单数据中出发地点的第一相似度，所述第一相似度为用户出行数据与第一出行模型的相似度；

基于神经网络统计用户目的地与订单数据中出发地点的第二相似度，所述第二相似度为用户出行数据与第二出行模型的相似度；

基于神经网络统计用户的出发时间与订单数据中出发地点的第三相似度，所述第三相似度为用户出行数据与第三出行模型的相似度。

5.根据权利要求4所述的基于大数据的乘客信息加密算法，其特征在于，所述输入主密钥，基于相似度选取其中一组的用户的属性列表分组计算k个属性的密钥包括：若用户出行数据与第一出行模型的相似度最大，则选择将用户目的地和/或用户出发时间来分组计算k个属性的密钥，并选择订单数据中出发地点作为用户出发地点。

6.根据权利要求5所述的基于大数据的乘客信息加密算法，其特征在于，所述输入主密钥，基于相似度选取其中一组的用户的属性列表分组计算k个属性的密钥包括：若用户出行数据与第二出行模型的相似度最大，则选择将用户出发地点和/或用户出发时间来分组计算k个属性的密钥，并选择订单数据中目的地作为用户目的地。

7.根据权利要求6所述的基于大数据的乘客信息加密算法，其特征在于，所述输入主密钥，基于相似度选取其中一组的用户的属性列表分组计算k个属性的密钥包括：若用户出行数据与第三出行模型的相似度最大，则选择将用户出发时间来分组计算k个属性的密钥，并选择订单数据中出发地点作为用户出发地点且选择订单数据中目的地作为用户目的地。