1.一种基于大数据的无人驾驶零售车巡航路径规划方法，其特征在于，包括：获取城市地图数据、无人驾驶零售车历史营运数据、实时交通信息、实时人流监测数据和实时网页浏览数据；

将所述无人驾驶零售车历史营运数据进行聚类处理得到营运区域集合，所述营运区域集合包括至少一个可供无人驾驶零售车进行停靠的营运区域名称及其对应的位置信息；

根据所述城市地图数据和所述营运区域集合建立城市网络结构模型，所述城市网络结构模型中包括至少两个节点和至少一个边，所述节点为营运区域，所述边表示所述节点间可供无人驾驶零售车行驶的有效路径；

基于神经网络算法构建得到客户需求预测数学模型，将所述实时人流监测数据和所述实时网页浏览数据作为所述客户需求预测数学模型的输入值计算得到预测结果，所述预测结果包括所述营运区域名称以及对应的量化需求值；

基于所述预测结果对所述城市网络结构模型中的所有所述节点按照重要度进行排序，并根据排序后的所述城市网络结构模型和所述实时交通信息得到巡航路径；

其中,将所述无人驾驶零售车历史营运数据进行聚类处理得到营运区域集合，包括：将所述历史营运数据进行预处理得到标准数据集，所述历史营运数据包括至少一个无人驾驶零售车产生交易的位置以及对应的交易额，所述预处理的方式包括去重处理、异常值处理和归一化处理；

基于K‑means算法对所述标准数据集进行聚类分析得到至少三个聚类簇，每个所述聚类簇包括至少两个数据点；

根据所述聚类簇内所有所述数据点的交易额总数和预设的交易额阈值筛选得到至少两个主要聚类簇；

根据每个所述主要聚类簇中所有数据点的平均值计算得到集群中心，所述集群中心对应营运区域的位置信息；

对所有所述集群中心进行命名并将所述集群中心的位置信息与城市地图中的相应位置进行对应，得到营运区域集合。

2.根据权利要求1所述的基于大数据的无人驾驶零售车巡航路径规划方法，其特征在于,根据所述城市地图数据和所述营运区域集合建立城市网络结构模型，包括：对所述城市地图数据和所述营运区域集合进行特征提取，得到营运区域的位置数据和所述营运区域之间的路径数据；

将所述位置数据和所述路径数据进行预处理后训练卷积神经网络，生成城市网络结构的预测信息；

对所述预测信息进行分析得到分析结果，所述分析结果包括无人驾驶零售车客户的行为和趋势结论；

根据所述预测信息和分析结果构建得到所述城市网络结构模型。

3.根据权利要求1所述的基于大数据的无人驾驶零售车巡航路径规划方法，其特征在于,基于神经网络算法构建得到客户需求预测数学模型，将所述实时人流监测数据和所述实时网页浏览数据作为所述客户需求预测数学模型的输入值计算得到预测结果，包括：基于自然语言处理技术对实时人流监测数据和所述实时网页浏览数据进行识别和提取语义得到关键词信息，所述关键词信息包括无人驾驶零售车进行销售的产品名称、搜索的次数以及搜索信息产生的位置信息；

基于前馈神经网络算法构建得到客户需求预测数学模型；

根据所述关键词信息和所述客户需求预测数学模型得到所述预测结果；

对所述客户需求预测数学模型进行定期更新并输出最新的所述预测结果。

4.根据权利要求1所述的基于大数据的无人驾驶零售车巡航路径规划方法，其特征在于,基于所述预测结果对所述城市网络结构模型中的所有所述节点按照重要度进行排序，并根据排序后的所述城市网络结构模型和所述实时交通信息得到巡航路径，包括：根据所述预测结果得到述城市网络结构模型中所有所述节点的权重，根据所述权重建立权重矩阵；

基于权重矩阵对所述城市网络结构模型的节点按照重要性进行排序；

将所述城市网络结构模型中最重要的节点作为起始点，按照重要性降序依次访问其他节点得到巡航路径；

根据所述实时交通信息对所述巡航路径进行实时调整。

5.一种基于大数据的无人驾驶零售车巡航路径规划装置，其特征在于，包括：获取模块，用于获取城市地图数据、无人驾驶零售车历史营运数据、实时交通信息、实时人流监测数据和实时网页浏览数据；

聚类模块，用于将所述无人驾驶零售车历史营运数据进行聚类处理得到营运区域集合，所述营运区域集合包括至少一个可供无人驾驶零售车进行停靠的营运区域名称及其对应的位置信息；

构建模块，用于根据所述城市地图数据和所述营运区域集合建立城市网络结构模型，所述城市网络结构模型中包括至少两个节点和至少一个边，所述节点为营运区域，所述边表示所述节点间可供无人驾驶零售车行驶的有效路径；

分析模块，基于神经网络算法构建得到客户需求预测数学模型，将所述实时人流监测数据和所述实时网页浏览数据作为所述客户需求预测数学模型的输入值计算得到预测结果，所述预测结果包括所述营运区域名称以及对应的量化需求值；

输出模块，基于所述预测结果对所述城市网络结构模型中的所有所述节点按照重要度进行排序，并根据排序后的所述城市网络结构模型和所述实时交通信息得到巡航路径；

其中，所述聚类模块包括：

第一处理单元，用于将所述历史营运数据进行预处理得到标准数据集，所述历史营运数据包括至少一个无人驾驶零售车产生交易的位置以及对应的交易额，所述预处理的方式包括去重处理、异常值处理和归一化处理；

第一聚类单元，基于K‑means算法对所述标准数据集进行聚类分析得到至少三个聚类簇，每个所述聚类簇包括至少两个数据点；

第二处理单元，用于根据所述聚类簇内所有所述数据点的交易额总数和预设的交易额阈值筛选得到至少两个主要聚类簇；

第一计算单元，用于根据每个所述主要聚类簇中所有数据点的平均值计算得到集群中心，所述集群中心对应营运区域的位置信息；

第三处理单元，用于对所有所述集群中心进行命名并将所述集群中心的位置信息与城市地图中的相应位置进行对应，得到营运区域集合。

6.根据权利要求5所述的基于大数据的无人驾驶零售车巡航路径规划装置，其特征在于，所述构建模块包括：第四处理单元，用于对所述城市地图数据和所述营运区域集合进行特征提取，得到营运区域的位置数据和所述营运区域之间的路径数据；

第五处理单元，用于将所述位置数据和所述路径数据进行预处理后训练卷积神经网络，生成城市网络结构的预测信息；

第六处理单元，用于对所述预测信息进行分析得到分析结果，所述分析结果包括无人驾驶零售车客户的行为和趋势结论；

第一构建单元，用于根据所述预测信息和分析结果构建得到所述城市网络结构模型。

7.根据权利要求5所述的基于大数据的无人驾驶零售车巡航路径规划装置，其特征在于，所述分析模块包括：第一提取单元，基于自然语言处理技术对实时人流监测数据和所述实时网页浏览数据进行识别和提取语义得到关键词信息，所述关键词信息包括无人驾驶零售车进行销售的产品名称、搜索的次数以及搜索信息产生的位置信息；

第二构建单元，基于前馈神经网络算法构建得到客户需求预测数学模型；

第二计算单元，用于根据所述关键词信息和所述客户需求预测数学模型得到所述预测结果；

第七处理单元，用于对所述客户需求预测数学模型进行定期更新并输出最新的所述预测结果。

8.根据权利要求5所述的基于大数据的无人驾驶零售车巡航路径规划装置，其特征在于，所述输出模块包括：第三计算单元，用于根据所述预测结果得到述城市网络结构模型中所有所述节点的权重，根据所述权重建立权重矩阵；

第八处理单元，基于权重矩阵对所述城市网络结构模型的节点按照重要性进行排序；

第四计算单元，用于将所述城市网络结构模型中最重要的节点作为起始点，按照重要性降序依次访问其他节点得到巡航路径；

第九处理单元，用于根据所述实时交通信息对所述巡航路径进行实时调整。