1.一种新能源汽车行驶工况构建与评价方法，其特征在于，包括以下步骤：步骤S1：利用车联网技术对新能源汽车进行行驶数据收集，从而得到行驶原始数据集；对行驶原始数据集进行异常时序波动的离群值检测过滤并整合，从而得到行驶工况划分数据集；

步骤S2：对行驶工况划分数据集进行多模态行车习惯状态构建，从而得到行车习惯拟态模型集；对行车习惯拟态模型集进行拟态特征向量修正，并进行模型融合，从而得到行驶工况拟态模型；

步骤S3：基于行驶工况拟态模型进行四维指标评估，从而得到四维综合指标数据；根据四维综合指标数据对行驶工况划分数据集进行综合评估，从而得到四维综合评估数据；

步骤S4：基于行驶工况拟态模型对行驶工况划分数据集进行实际行驶数据划分，从而得到长时间实际行驶数据；对长时间实际行驶数据进行能耗强相关的特征判别，从而得到长时间行驶能耗数据；对长时间行驶能耗数据进行不同时序窗口的特征集划分，从而获取行驶工况能耗数据集；

步骤S5：根据行驶工况能耗数据集对行驶工况拟态模型进行新能源汽车行驶工况的可视化模型迁移，从而得到行驶工况可视化模型。

2.根据权利要求1所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S1的具体步骤为：步骤S11：利用车联网技术对新能源汽车进行行驶数据收集，从而得到行驶原始数据集，其中行驶原始数据集包括行驶工况原始数据、行驶车辆基础数据以及行驶道路环境数据，其中行驶工况原始数据包括速度数据、加速度数据以及制动数据，行驶车辆基础数据包括车辆性能参数、能耗数据、车辆诊断数据以及电池状态数据，行驶道路环境数据包括道路类型数据、交通情况数据以及行驶环境数据；

步骤S12：对速度数据以及加速度数据进行行为特征划分，从而得到基础行为数据；

步骤S13：对制动数据以及基础行为数据进行制动效果行为特征划分，从而得到行车行为划分数据；

步骤S14：根据预设的正则规则数据对行车行为划分数据进行正则过滤，从而得到行驶行为过滤数据；

步骤S15：对行驶行为过滤数据以及行驶车辆基础数据进行相关性一次统计聚类，从而得到第一行驶聚类数据；

步骤S16：对行驶行为过滤数据以及行驶道路环境数据进行相关性二次统计聚类，从而得到第二行驶聚类数据；

步骤S17：对第一行驶聚类数据以及第二行驶聚类数据进行时序特征变化分析，从而得到时序变化聚类数据；

步骤S18：根据时序变化聚类数据对第一行驶聚类数据以及第二行驶聚类数据进行异常时序波动的离群值检测过滤并整合，从而得到行驶工况划分数据集。

3.根据权利要求2所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S15的具体步骤为：步骤S151：对车辆诊断数据进行异常情况提取，从而得到车辆异常数据；

步骤S152：对电池状态数据以及能耗数据进行时序波动统计，从而得到电池能耗波动数据；

步骤S153：对电池能耗波动数据进行阶段相关性分析，从而得到阶段性波动数据；

步骤S154：根据阶段性波动数据对车辆性能参数进行相同时序段的车辆性能评估，从而得到阶段性车辆性能数据；

步骤S155：对阶段性车辆性能数据以及车辆异常数据进行车辆异常性趋势分析，从而得到性能异常趋势数据；

步骤S156：根据性能异常趋势数据对阶段性车辆性能数据进行异常趋势标记，从而得到性能异常趋势数据；

步骤S157：对性能异常趋势数据以及行驶行为过滤数据进行不同行驶行为相关性一次统计聚类，从而得到第一行驶聚类数据。

4.根据权利要求2所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S16的具体步骤为：步骤S161：对道路类型数据以及交通情况数据进行相同道路类型中的所有交通情况发生时段的数据整合，从而得到道路交通整理数据；

步骤S162：对道路交通整理数据进行特征映射，从而得到道路交通映射数据，其中特征映射包括相同道路类型中连续相同交通情况数据与道路类型数据的特征映射、相同道路类型中不同交通情况数据与道路类型数据的特征映射以及不同道路类型中交通情况数据与道路类型数据的特征映射；

步骤S163：对行驶环境数据以及行驶行为过滤数据进行自回归关联分析，从而得到行驶行为环境关联数据；

步骤S164：根据行驶行为环境关联数据对行驶环境数据进行多维度因子建模，从而得到多维环境因子模型；

步骤S165：基于多维环境因子模型对道路交通映射数据进行长短期记忆网络模型构建，从而得到行车记忆网络模型；

步骤S166：基于行车记忆网络模型对行驶行为过滤数据进行不同行驶情况时的驾驶行为模式划分，从而得到驾驶行为模式数据，其中驾驶行为模式数据包括行为状态数据、行为类型数据以及交通环境权重数据；

步骤S167：根据交通环境权重数据对行为类型数据以及行为状态数据进行隐马尔可夫模型构建，从而得到行驶行为状态模型；

步骤S168：基于行驶行为状态模型对行驶行为过滤数据以及行驶道路环境数据进行相关性二次统计聚类，从而得到第二行驶聚类数据。

5.根据权利要求1所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S2的具体步骤为：步骤S21：对行驶工况划分数据集进行训练数据随机划分，从而得到第一训练数据集以及第二训练数据集；

步骤S22：对第一训练数据集进行四维相关特征的相关权重标记，从而得到四维权重标记数据集，其中四维相关特征的相关权重标记包括安全性特征标记、电池能耗特征标记、工作故障特征标记以及行车速度特征标记；

步骤S23：对四维权重标记数据集进行多模态行车习惯状态构建，从而得到行车习惯拟态模型集；

步骤S24：基于行车习惯拟态模型集进行四维度之间的相互变换拟态，从而得到行驶行为-工况拟态数据；

步骤S25：对行驶行为-工况拟态数据进行不同行驶行为的行驶工况预测，从而得到工况模拟预测数据；

步骤S26：根据第二训练数据集对工况模拟预测数据进行生成对抗训练优化，从而得到工况模拟优化数据；

步骤S27：根据工况模拟优化数据对行车习惯拟态模型集进行拟态特征向量修正，并进行模型融合，从而得到行驶工况拟态模型。

6.根据权利要求5所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S26的具体步骤为：步骤S261：对工况模拟预测数据进行四维度的工况相关特征提取，从而得到四维工况相关数据，其中四维工况相关数据包括安全性相关数据、电池能耗相关数据、工作故障相关数据以及行车速度相关数据；

步骤S262：对安全性相关数据以及行车速度相关数据进行制动安全性的速度特征评估，从而得到安全制动评估数据；

步骤S263：对电池能耗相关数据以及行车速度相关数据进行能耗变化和电池状态老化的速度波动特征评估，从而得到速度波动评估数据；

步骤S264：对工作故障相关数据以及行车速度相关数据进行故障趋势的行车行为特征评估，从而得到故障趋势评估数据；

步骤S265：根据安全制动评估数据、速度波动评估数据以及故障趋势评估数据对第二训练数据集进行相关性特征提取，从而得到训练相关数据；

步骤S266：对工况模拟预测数据进行生成模型构建，从而得到生成模型；

步骤S267：对训练相关数据以及第二训练数据集进行对抗模型构建，从而得到对抗模型；

步骤S268：对生成模型以及对抗模型进行生成对抗训练，从而得到四维生成对抗网络模型；

步骤S269：基于四维生成对抗网络模型对工况模拟预测数据进行生成对抗训练优化，从而得到工况模拟优化数据。

7.根据权利要求1所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S3的具体步骤为：步骤S31：基于行驶工况拟态模型进行四维度综合的重要性排序，从而得到重要性序列数据；

步骤S32：对重要性序列数据进行四维指标评估，从而得到四维综合指标数据；

步骤S33：根据四维综合指标数据对行驶工况划分数据集进行综合评估，从而得到四维综合评估数据。

8.根据权利要求1所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S4的具体步骤为：步骤S41：根据预设的时间延长阈值并基于行驶工况拟态模型进行模拟行驶时间延长时的状态特征提取，从而得到长时间模拟行驶数据；

步骤S42：根据预设的时间延长阈值对行驶工况划分数据集进行相应延长时间的实际行驶数据划分，从而得到长时间实际行驶数据；

步骤S43：根据四维综合评估数据对长时间模拟行驶数据以及长时间实际行驶数据进行能耗强相关的特征判别，从而得到长时间行驶能耗数据；

步骤S44：对长时间行驶能耗数据进行不同时序窗口的特征集划分，从而获取行驶工况能耗数据集。

9.根据权利要求8所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S43的具体步骤为：步骤S431：根据四维综合指标数据对长时间实际行驶数据进行综合评估，从而得到长时实际评估数据；

步骤S432：对长时间模拟行驶数据进行能耗强相关的重要性排序，从而得到长时能耗序列数据；

步骤S433：对长时实际评估数据以及四维综合评估数据进行评估差值计算，从而得到评估差数据；

步骤S434：根据评估差数据对长时能耗序列数据进行特征判别，从而得到长时间行驶能耗数据。

10.根据权利要求1所述的新能源汽车行驶工况构建与评价方法，其特征在于，步骤S5的具体步骤为：步骤S51：根据行驶工况能耗数据集对行驶工况拟态模型进行新能源汽车行驶工况的可视化模型迁移，从而得到行驶工况可视化模型；

步骤S52：基于行驶工况可视化模型进行工况标准评价，从而得到工况综合评价数据。