1.一种汽车水温异常识别与告警监控方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的汽车水温异常识别与告警监控方法，其特征在于，在所述步骤s2中所述存在水温异常的车辆的行驶场景包括行驶中水温过高场景与车辆静止时出现水温过高场景，当处于所述行驶中水温过高场景时所述车主存在的驾驶行为为减速靠右停车或开双闪，或是怠速靠右停车或是开双闪，当处于所述车辆静止时出现水温过高场景时所述车主存在的驾驶行为为发动机警示灯是否打开、发动机是否异常熄火、发动机盖是否打开、安全带是否解开、左前门是否打开以及是否怠速。
3.根据权利要求2所述的汽车水温异常识别与告警监控方法，其特征在于，在所述步骤s2中基于行驶中水温过高场景与车辆静止时出现水温过高场景的水温异常的判断步骤如下：
4.根据权利要求3所述的汽车水温异常识别与告警监控方法，其特征在于，在所述步骤s2中基于行驶中水温过高场景与车辆静止时出现水温过高场景的水温异常的判断步骤还包括：
5. 根据权利要求4所述的汽车水温异常识别与告警监控方法，其特征在于，在所述步骤s3中通过建立带时间窗口的线性规划模型，以最大化时间窗口内的预测准确率为目标，同时考虑多种场景讨论，各场景涉及的阈值条件不同，具体地，将场景数量记为，每个场景每个特征的阈值条件记为,时间窗口大小为，用变量 表示在时间 内达到场景的人数，变量表示在时间 内达到场景的对应车主的处理后的特征,表示在时间内总人数，表示在时间内的预测准确率；表示在时间内达到场景的人数是否满足该场景的阈值条件，其中，表示满足，表示不满足；为在时间内是否满足场景的阈值条件，其中，表示满足，表示不满足，并要求满足场景的阈值条件的，则场景中要求。
6.根据权利要求5所述的汽车水温异常识别与告警监控方法，其特征在于，根据所述步骤s3中的变量建立以下目标函数；其中，表示为目标函数要求时间窗口内个场景预测准确率之和达到最大值，表示总时间,在时间内，预测准确率为达到场景的人数占总人数的比例，其中，所述预测准确率的计算公式为；其中，表示场景数目。
7.根据权利要求6所述的汽车水温异常识别与告警监控方法，其特征在于，在所述步骤s3中在时间窗口内达到场景的人数是否满足该场景的阈值条件为；其中，表示场景的阈值条件。
8.根据权利要求7所述的汽车水温异常识别与告警监控方法，其特征在于，在所述步骤s3中在时间窗口内个场景预测准确率之和达到最大值是否满足以下七个约束条件：
9.一种基于车联网大数据的汽车水温异常识别与告警监控装置，其特征在于，包括数据传输及处理模块、水温异常识别模块、阈值迭代优化模块与告警模块，所述数据传输及处理模块用于获取车载终端传输的所有车辆数据，并对车辆数据进行处理得到汽车的闪光灯、冷却液温度、发动机警示灯状态、发动机盖状态、安全带状态、左前门状态、车速度speed、加速踏板与发动机转速数据；所述水温异常识别模块用于将所有车辆的冷却液温度与设定的冷却液温度告警阈值进行对比筛选出可能会存在水温异常的车辆，若j分钟的观察期内连续出现水温异常，则将该车主纳入观察，基于纳入观察的车主，划出窗口，并根据在窗口内车辆的行驶场景中通过车主的驾驶行为再次判断该车主该时刻是否存在水温异常；所述阈值迭代优化模块用于基于带时间窗口的多场景的线性规划模型进行阈值迭代调整得到最优的阈值，基于调整后的最优的阈值进行水温异常的实时识别，并进行反复的迭代更新；所述告警模块用于基于阈值迭代优化模块实时识别出的结果，触发告警机制并向车主和维修人员发送告警信息。