1.一种用户关键位置数据获取方法，其特征在于，包括：
从用户的位置点中获取所述用户的各个位置点分别对应的第K近邻位置点，并且获取所述各个位置点分别与对应的第K近邻位置点之间的距离；
根据各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点；
将所述阈值位置点对应的第K近邻距离和K值作为聚类算法DBSCAN的输入，对用户位置数据进行聚类，得到所述用户的关键位置数据。
2.根据权利要求1所述的方法，其特征在于，所述将所述阈值位置点对应的第K近邻距离和K值作为聚类算法DBSCAN的输入，对用户位置数据进行聚类，得到所述用户的关键位置数据包括：
根据所述阈值位置点对应的第K近邻距离获取DBSCAN中的邻域半径参数，并根据K值获取所述邻域半径内的核心对象数；
将所述邻域半径参数和所述邻域半径内的核心对象数作为所述预置聚类算法的输入对用户位置数据进行聚类，得到所述用户的关键位置数据。
3.根据权利要求1所述的方法，其特征在于，所述根据各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点之前，所述方法还包括：
将各个位置点分别与对应的第K近邻位置点之间的距离按照由大到小进行排序。
4.根据权利要求3所述的方法，其特征在于，所述根据各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点包括：
根据排序后的各个位置点以及各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点。
5.根据权利要求4所述的方法，其特征在于，所述根据排序后的各个位置点以及各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点包括：
按照所述各个位置点的顺序依次获取各个位置点的聚集性因子，所述聚集性因子为位置点与对应的第K近邻位置点之间的距离和与所述位置点相邻的下一个位置点对应的第K近邻位置点之间的距离差值；
将聚集性因子最大的位置点相邻的下一个位置点作为所述阈值位置点。
6.根据权利要求3所述的方法，其特征在于，所述将各个位置点分别与对应的第K近邻位置点之间的距离按照由大到小进行排序之后，所述方法还包括：
根据排序后的各个位置点以及各个位置点分别与对应的第K近邻位置点之间的距离，生成用户位置的K近邻位置分布图并进行显示。
7.一种用户关键位置数据获取装置，其特征在于，包括：
获取单元，用于从用户的位置点中获取所述用户的各个位置点分别对应的第K近邻位置点，并且获取所述各个位置点分别与对应的第K近邻位置点之间的距离；
提取单元，用于根据各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点；
聚类单元，用于将所述阈值位置点对应的第K近邻距离和K值作为聚类算法DBSCAN的输入，对用户位置数据进行聚类，得到所述用户的关键位置数据。
8.根据权利要求7所述的用户关键位置数据获取装置，其特征在于，
所述获取单元，还用于根据所述阈值位置点对应的第K近邻距离获取DBSCAN中的邻域半径参数，并根据K值获取所述邻域半径内的核心对象数；
所述聚类单元，具体用于将所述邻域半径参数和所述邻域半径内的核心对象数作为所述预置聚类算法的输入对用户位置数据进行聚类，得到所述用户的关键位置数据。
9.根据权利要求7所述的用户关键位置数据获取装置，其特征在于，所述装置还包括：
排序单元，用于将各个位置点分别与对应的第K近邻位置点之间的距离按照由大到小进行排序。
10.根据权利要求9所述的用户关键位置数据获取装置，其特征在于，
所述提取单元，还用于根据排序后的各个位置点以及各个位置点分别与对应的第K近邻位置点之间的距离，从所述各个位置点中提取阈值位置点。
11.根据权利要求10所述的用户关键位置数据获取装置，其特征在于，
获取单元，还用于按照所述各个位置点的顺序依次获取各个位置点的聚集性因子，所述聚集性因子为位置点与对应的第K近邻位置点之间的距离和与所述位置点相邻的下一个位置点对应的第K近邻位置点之间的距离差值；
将聚集性因子最大的位置点相邻的下一个位置点作为所述阈值位置点。
12.根据权利要求9所述的用户关键位置数据获取装置，其特征在于，所述装置还包括：
生成单元，用于根据排序后的各个位置点以及各个位置点分别与对应的第K近邻位置点之间的距离，生成用户位置的K近邻位置分布图并进行显示。