技术特征：
1.一种私家车非法营运的识别方法，其特征在于，包括步骤：获取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果。2.根据权利要求1所述的私家车非法营运的识别方法，其特征在于，所述获取车辆行驶数据，对车辆行驶数据进行数据处理生成节点特征张量的步骤包括：获取车辆行驶数据，确定所述车辆行驶数据覆盖的地图区域，将所述地图区域划分为多个具有预设边长的网格；将所述车辆行驶数据中的行驶轨迹经过的网格设置为节点，将所述车辆行驶数据中的行驶时间参数、行驶速度参数和识别参数组合为节点特征张量。3.根据权利要求1所述的私家车非法营运的识别方法，其特征在于，所述预设图卷积模型包括预设差分池化子模型和预设特征融合子模型；所述获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量的步骤包括：获取车主信息数据；将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量；将所述节点特征张量输入所述预设差分池化子模型中，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量，并执行：所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量的步骤，直至图向量的数量等于预设个数，获得所述预设个数的不同感受态的图向量。4.根据权利要求3所述的私家车非法营运的识别方法，其特征在于，所述将所述车主信息数据和所述节点特征张量输入所述预设特征融合子模型中进行平均融合，生成融合节点特征，根据所述融合节点特征生成图向量包括：将所述车主信息数据和所述节点特征张量输入预设特征融合子模型中进行平均融合；将平均融合处理后的节点特征张量输入预设多层感知机，对输出层进行归一化处理，生成融合节点特征；将融合节点特征输入预设全局池化层，将各融合节点特征压缩为图向量。5.根据权利要求3所述的私家车非法营运的识别方法，其特征在于，所述将所述节点特征张量输入所述预设差分池化子模型中，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量的步骤包括：将所述节点特征张量输入所述预设差分池化子模型中，生成聚类分数和节点嵌入信息；根据所述节点嵌入信息和所述聚类分数，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量。6.根据权利要求5所述的私家车非法营运的识别方法，其特征在于，所述将所述节点特
征张量输入预设差分池化子模型中，生成聚类分数的步骤包括：将所述节点特征张量输入预设差分池化子模型中，生成各节点属于不同预设类别的逻辑值和节点嵌入信息；将各逻辑值输入归一化指数函数，生成各节点属于不同预设类别的聚类分数。7.根据权利要求5所述的私家车非法营运的识别方法，其特征在于，所述根据所述节点嵌入信息和所述聚类分数，生成聚类维度的特征张量，更新所述节点特征张量为所述聚类维度的特征张量的步骤包括：其中，z
(l)
为第l层节点特征张量经过预设差分池化子模型的节点嵌入信息，s
(l)
为第l层节点特征张量的聚类分数，s
(l)t
为第l层节点特征张量的聚类分数的转置矩阵，x
(l+1)
为第l+1层节点特征张量。8.一种私家车非法营运的识别系统，其特征在于，所述私家车非法营运的识别系统包括：数据处理模块，获取车辆行驶数据，对所述车辆行驶数据进行预处理生成节点特征张量；图卷积模块，获取车主信息数据，将所述车主信息数据和所述节点特征张量输入预设图卷积模型中进行平均融合处理得到多个不同感受态的图向量；多跳信息融合模块，将各所述图向量输入预设多跳信息融合模型进行非线性融合，输出对所述车辆行驶数据的识别结果将各图向量输入预设多跳信息融合模型进行非线性融合，输出识别结果。9.一种计算机设备，其特征在于，所述计算机设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的私家车非法营运的识别方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的私家车非法营运的识别方法的步骤。