1.一种通行度预测模型构建方法，其特征在于，包括：

获取不同研究区的立体遥感影像，根据所述立体遥感影像得到地形类数据、地貌类数据、地质类数据和地灾类数据，其中，所述地灾类数据包括隐患区域数据和灾害区域数据，所述地貌类数据包括植被覆盖数据、交通数据和特殊地貌数据，所述地形类数据包括高程数据和坡度数据；

分别对所述地形类数据、所述地貌类数据、所述地质类数据和所述地灾类数据进行分析，得到对应的影响因子，包括：根据预设灾害类型标准和预设灾害规模标准对所述灾害区域数据进行分析，得到所述灾害区域数据的影响因子，根据各缓冲区与线要素的距离对各所述缓冲区进行分级，根据所述缓冲区的级别确定所述隐患区域数据的影响因子；根据所述高程数据，确定所述高程数据对车辆发动机效率的影响因子，根据所述坡度数据，确定所述坡度数据对车辆速度的影响因子；根据预设植被覆盖标准对所述植被覆盖数据进行分析，得到所述植被覆盖数据的定性结果；根据预设交通标准对所述交通数据进行分析，得到所述交通数据的定性结果；将所述特殊地貌数据定性为不可通行；对所述植被覆盖数据的定性结果、所述交通数据的定性结果和所述特殊地貌数据的定性结果进行分析，得到所述地貌类数据的影响因子；根据土壤质地数据确定土壤密度和表土层的颗粒尺寸，根据所述土壤密度和所述颗粒尺寸得到土壤质地圆锥指数作为所述土壤质地的影响因子；根据土壤含水量数据、黏土含量和气象数据得到土壤含水量圆锥指数作为所述土壤含水量的影响因子，其中，所述土壤质地数据、所述土壤含水量数据和所述气象数据根据所述地质类数据、土壤信息库和降雨数据得到；

对所述影响因子和所述地形类数据、所述地貌类数据、所述地质类数据和所述地灾类数据进行预处理，根据预处理后的影响因子确定综合通行度；

基于极端梯度提升算法构建初始预测模型，以预处理后的所述地形类数据、所述地貌类数据、所述地质类数据、所述地灾类数据和所述综合通行度为数据集，训练所述初始预测模型，得到通行度预测模型。

2.根据权利要求1所述的通行度预测模型构建方法，其特征在于，所述根据预处理后的影响因子确定综合通行度包括:确定预处理后的所述地形类数据、所述地貌类数据、所述地质类数据和所述地灾类数据在所述综合通行度中的权重；

根据所述预处理后的影响因子与所述权重，得到类型通行度；

对所述类型通行度进行求和，得到所述综合通行度。

3.根据权利要求2所述的通行度预测模型构建方法，其特征在于，所述根据预处理后的影响因子确定综合通行度包括：根据公式一确定所述综合通行度，所述公式一为：

，

其中，P表示所述综合通行度，k表示所述影响因子的种类数，ai表示i类数据的所述影响因子，wi表示i类数据的所述影响因子的权重。

4.根据权利要求1所述的通行度预测模型构建方法，其特征在于，所述根据所述立体遥感影像得到地形类数据、地貌类数据、地质类数据和地灾类数据包括：对所述立体遥感影像进行解译，得到所述灾害区域数据；

以所述灾害区域数据为线要素，对所述线要素进行偏移，构建多环缓冲区作为所述隐患区域数据。

5.根据权利要求1所述的通行度预测模型构建方法，其特征在于，所述根据所述立体遥感影像得到所述地形类数据、地貌类数据、地质类数据和地灾类数据包括：根据所述立体遥感影像得到立体遥感图像对；

基于所述立体遥感图像对生成数字高程模型，提取预设大小的栅格地图作为所述高程数据；

以所述栅格地图中的任一栅格为中心，利用窗口移动算法，得到相邻栅格的所述坡度数据，其中，所述相邻栅格的数量的取值范围为一至八个。

6.根据权利要求1所述的通行度预测模型构建方法，其特征在于，所述根据所述立体遥感影像得到地形类数据、地貌类数据、地质类数据和地灾类数据包括：对所述立体遥感影像进行解译，得到所述植被覆盖数据、所述交通数据和所述特殊地貌数据；

对所述立体遥感影像进行解译，得到所述地质类数据；

根据预设的所述土壤信息库和所述降雨数据对所述地质类数据进行预处理，得到所述土壤质地数据、所述土壤含水量数据和所述气象数据。

7.一种通行度预测方法，其特征在于，包括：

获取待测区的立体遥感影像，根据所述立体遥感影像得到地形类数据、地貌类数据、地质类数据和地灾类数据；

将所述地形类数据、所述地貌类数据、所述地质类数据和所述地灾类数据输入根据权利要求1‑6任一项所述的通行度预测模型构建方法建立的通行度预测模型，得到所述待测区的通行度；

根据所述通行度生成所述待测区的通行图。