1.一种基于人工智能和大数据的电网基建人员安全风险评估方法，其特征在于，包括以下步骤：步骤一，获取电网区域的图像数据；步骤二，对所述图像数据进行处理，获取每个电力作业人员图像以及对应的坐标位置；步骤三，对每个电力作业人员图像进行识别，获取每个电力作业人员的工种信息；步骤四，根据作业人员的工种信息以及所述坐标位置，获取同一工种下作业人员的坐标集合，并利用凸包分析方法，获取各工种坐标集合的质心；以质心为起始节点，所述坐标位置为截止节点，通过第一连接边连接起始节点和截止节点，得到各工种的作业人员的图数据结构，所述第一连接边的边权值是根据人员未正常穿戴概率以及工种的聚集程度、节点间距离、作业风险程度确定；步骤五，将所述各工种坐标集合的质心通过第二连接边进行连接，获取电网区域的图数据结构，所述第二连接的边权值是根据工种之间的交叉风险和所述第一连接边的边权值计算得到；步骤六，利用随机游走方法对所述电网区域的图数据结构进行层次游走，获取图嵌入向量；所述层次游走是先进行不同工种的质心之间的游走，再进行每个工种内质心到截止节点的游走；步骤七，根据构建的神经网络，将所述图嵌入向量作为所述神经网络的输入，输出电网区域作业人员的风险等级；所述第一连接边的边权值为：其中，O为工种的作业风险程度，P为工种的聚集程度，d为起始节点与截止节点之间的节点间距离；q为系数， log b (P+d)用于值域映射，0<a<1、0<b<1。
2.根据权利要求1所述的基于人工智能和大数据的电网基建人员安全风险评估方法，其特征在于，所述工种的聚集程度为其中，P0 i 表示第i个核心点坐标，P1 i,j 表示第i个核心点范围内的第j个边界点坐标，n1表示核心点数量，n2 i 表示第i个核心点范围内的边界点数量，Euclidean distance为欧式距离公式。
3.根据权利要求1所述的基于人工智能和大数据的电网基建人员安全风险评估方法，其特征在于，所述人员的穿戴风险系数的获取方法为：构建卷积神经网络；将所述每个电力作业人员图像分为训练集和测试集，利用所述训练集训练所述卷积神经网络，得到训练好的卷积神经网络；将所述测试集输入所述训练好的卷积神经网络，输出每个作业人员的穿戴结果；对所述每个作业人员的穿戴结果进行统计，得到工种内所有作业人员的未正常穿戴概率。
4.根据权利要求1所述的基于人工智能和大数据的电网基建人员安全风险评估方法，其特征在于，所述工种的作业风险程度为:其中，S′为同一工种作业人员的凸包区域，S k 为作业人员所在的电网区域内的第k个工种区域，N为电网区域内的工种区域个数，w k 为权重。
5.根据权利要求2所述的基于人工智能和大数据的电网基建人员安全风险评估方法，其特征在于，所述第二连接边的边权值为：EW2＝log c d CD *(SDW m *SDW t )其中，SDW m 、SDW t 分别表示第m个和第t个工种的安全风险，d CD 为两个工种作业人员坐标集合的倒角距离，log c d CD *(SDW m *SDW t )用于值域映射，0<c<1；其中工种的安全风险： n表示工种内的作业人员数量，EW1 m 表示第m个工种的边权值。
6.根据权利要求1所述的基于人工智能和大数据的电网基建人员安全风险评估方法，其特征在于，所述步骤六中的层次游走的过程为：步骤1，将所述第一连接边的边权值和第二连接边的边权值分别进行归一化，并将归一化后的边权值映射到概率空间中，得到对应的边权归一化概率；步骤2，对所述电网区域的图数据结构进行游走，以其中一工种的质心为起始节点，并结合所述边权归一化概率进行随机游走，得到游走节点，所述游走节点为其他工种的质心；步骤3，根据所述游走节点，进行工种的作业人员的图数据结构内的随机游走，每游走一次记录一下游走路径对应的归一化边权值，如此反复游走设定次数，然后返回步骤2，按照设定次数重复步骤2和步骤3，得到所述电网区域的图数据结构对应的图嵌入向量。
