1.一种隧道内铁路车辆司机室环境控制方法，其特征在于，包括：获取第一信息和第二信息，所述第一信息包括司机室内的空气数据信息和人员信息，所述第二信息包括数据库内的司机室历史空气数据信息和人员信息，所述空气数据信息包括空气温度信息和空气湿度信息；将第二信息发送至预设的环境控制策略预测模型进行处理，得到第一环境控制策略信息，所述第一环境控制策略信息为人员进入司机室前，司机室内的空气温度控制策略信息和空气湿度控制策略信息；获取第三信息，所述第三信息包括进入司机室内的人员的身体指标变化信息和司机室内外的空气数据差值信息，并基于所述第三信息进行环境控制策略实时预测，得到至少两个第二环境控制策略信息，所述第二环境控制策略信息为人员进入司机室后，司机室内的空气温度实时控制策略信息和空气湿度实时控制策略信息；对所述第二环境控制策略信息进行能耗评分处理，确定每个第二环境控制策略信息对应的能耗评分；基于预设的人体舒适度评估模型对第二环境控制策略信息进行评估，得到每个第二环境控制策略信息对应的舒适度评分；基于所述能耗评分和所述舒适度评分进行综合分析，并选择综合评分最高的第二环境控制策略信息作为司机室环境控制策略；其中,所述获取第三信息，所述第三信息包括进入司机室内的人员的身体指标变化信息和司机室内外的空气数据差值信息，并基于所述第三信息进行环境控制策略实时预测，包括：将所述司机室内的人员的身体指标变化信息进行聚类，得到至少两个聚类簇，每个聚类簇包括至少两个司机室内的人员的身体指标变化信息；基于拉依达准则计算每个聚类簇的范围，并将聚类簇范围最大的聚类簇作为特征聚类簇；将所述特征聚类簇与所述第一环境控制策略信息进行关联分析，得到所述特征聚类簇与所述第一环境控制策略信息中每个策略的第一关联度值；将所述司机室内外的空气数据差值信息和第一环境控制策略信息进行关联分析，确定所述空气数据差值信息和第一环境控制策略信息的第二关联度值；将最大的第一关联度值对应的特征聚类簇和最大的第二关联度值对应的空气数据差值信息分别与所述第一环境控制策略信息进行回归分析，得到所述第一环境控制策略信息分别与最大的第一关联度值对应的特征聚类簇和最大的第二关联度值对应的空气数据差值信息之间的线性关系；基于所述线性关系调整第一环境控制策略信息直至所述最大的第一关联度值对应的特征聚类簇的范围在预设范围内，且所述最大的第二关联度值对应的空气数据差值信息小于预设的阈值，得到第二环境控制策略信息。
2.根据权利要求1所述的隧道内铁路车辆司机室环境控制方法，其特征在于，所述将第二信息发送至预设的环境控制策略预测模型进行处理，得到第一环境控制策略信息，包括：基于预设的历史第一环境控制策略信息和第二信息，得到训练集和验证集；将所述训练集输入至BP神经网络模型进行训练，其中基于预设时间段的司机室历史空气数据信息和人员信息，得到预测结果；将预测结果中的司机室历史空气数据信息和人员信息分别与预设的历史第一环境控制策略信息进行匹配度计算，确定所述司机室历史空气数据信息和人员信息分别与历史第一环境控制策略信息的匹配度；将匹配度大于预设阈值的历史第一环境控制策略信息作为预测得到的第一环境控制策略信息。
3.根据权利要求1所述的隧道内铁路车辆司机室环境控制方法，其特征在于，对所述第二环境控制策略信息进行能耗评分处理，确定每个第二环境控制策略信息对应的能耗评分，包括：将所述第二环境控制策略信息与预设的司机室内的设备平均寿命进行关联分析，得到第三关联度值；将所述第三关联度值与所述司机室内的设备平均寿命做乘积运算，并将运算结果作为每个第二环境控制策略信息对应的能耗评分。
4.根据权利要求1所述的隧道内铁路车辆司机室环境控制方法，其特征在于，基于预设的人体舒适度评估模型对第二环境控制策略信息进行评估，包括：按照预设的第二环境控制策略信息进行设备控制，得到司机室的环境控制信息，所述司机室的环境控制信息包括司机室的温度控制信息和司机室的湿度控制信息；基于预设的人体舒适度评估表对所述司机室的环境控制信息进行评分，得到每个第二环境策略控制策略信息对应的舒适度评分。
5.一种隧道内铁路车辆司机室环境控制装置，其特征在于，包括：第一获取单元，用于获取第一信息和第二信息，所述第一信息包括司机室内的空气数据信息和人员信息，所述第二信息包括数据库内的司机室历史空气数据信息和人员信息，所述空气数据信息包括空气温度信息和空气湿度信息；第一处理单元，用于将第二信息发送至预设的环境控制策略预测模型进行处理，得到第一环境控制策略信息，所述第一环境控制策略信息为人员进入司机室前，司机室内的空气温度控制策略信息和空气湿度控制策略信息；第二获取单元，用于获取第三信息，所述第三信息包括进入司机室内的人员的身体指标变化信息和司机室内外的空气数据差值信息，并基于所述第三信息进行环境控制策略实时预测，得到至少两个第二环境控制策略信息，所述第二环境控制策略信息为人员进入司机室后，司机室内的空气温度实时控制策略信息和空气湿度实时控制策略信息；第二处理单元，用于对所述第二环境控制策略信息进行能耗评分处理，确定每个第二环境控制策略信息对应的能耗评分；第三处理单元，用于基于预设的人体舒适度评估模型对第二环境控制策略信息进行评估，得到每个第二环境控制策略信息对应的舒适度评分；第四处理单元，用于基于所述能耗评分和所述舒适度评分进行综合分析，并选择综合评分最高的第二环境控制策略信息作为司机室环境控制策略；其中，所述第二获取单元，包括：第一聚类子单元，用于将所述司机室内的人员的身体指标变化信息进行聚类，得到至少两个聚类簇，每个聚类簇包括至少两个司机室内的人员的身体指标变化信息；第二聚类子单元，用于基于拉依达准则计算每个聚类簇的范围，并将聚类簇范围最大的聚类簇作为特征聚类簇；第一分析子单元，用于将所述特征聚类簇与所述第一环境控制策略信息进行关联分析，得到所述特征聚类簇与所述第一环境控制策略信息中每个策略的第一关联度值；第二分析子单元，用于将所述司机室内外的空气数据差值信息和第一环境控制策略信息进行关联分析，确定所述空气数据差值信息和第一环境控制策略信息的第二关联度值；第三分析子单元，用于将最大的第一关联度值对应的特征聚类簇和最大的第二关联度值对应的空气数据差值信息分别与所述第一环境控制策略信息进行回归分析，得到所述第一环境控制策略信息分别与最大的第一关联度值对应的特征聚类簇和最大的第二关联度值对应的空气数据差值信息之间的线性关系；第四处理子单元，用于基于所述线性关系调整第一环境控制策略信息直至所述最大的第一关联度值对应的特征聚类簇的范围在预设范围内，且所述最大的第二关联度值对应的空气数据差值信息小于预设的阈值，得到第二环境控制策略信息。
6.根据权利要求5所述的隧道内铁路车辆司机室环境控制装置，其特征在于，所述第一处理单元，包括：第一处理子单元，用于基于预设的历史第一环境控制策略信息和第二信息，得到训练集和验证集；第二处理子单元，用于将所述训练集输入至BP神经网络模型进行训练，其中基于预设时间段的司机室历史空气数据信息和人员信息，得到预测结果；第一计算子单元，用于将预测结果中的司机室历史空气数据信息和人员信息分别与预设的历史第一环境控制策略信息进行匹配度计算，确定所述司机室历史空气数据信息和人员信息分别与历史第一环境控制策略信息的匹配度；第三处理子单元，用于将匹配度大于预设阈值的历史第一环境控制策略信息作为预测得到的第一环境控制策略信息。
7.根据权利要求5所述的隧道内铁路车辆司机室环境控制装置，其特征在于，所述第二处理单元，包括：第四分析子单元，用于将所述第二环境控制策略信息与预设的司机室内的设备平均寿命进行关联分析，得到第三关联度值；第五处理子单元，用于将所述第三关联度值与所述司机室内的设备平均寿命做乘积运算，并将运算结果作为每个第二环境控制策略信息对应的能耗评分。
8.根据权利要求5所述的隧道内铁路车辆司机室环境控制装置，其特征在于，所述第三处理单元，包括：第六处理子单元，用于按照预设的第二环境控制策略信息进行设备控制，得到司机室的环境控制信息，所述司机室的环境控制信息包括司机室的温度控制信息和司机室的湿度控制信息；第七处理子单元，用于基于预设的人体舒适度评估表对所述司机室的环境控制信息进行评分，得到每个第二环境策略控制策略信息对应的舒适度评分。
