1.一种改进的行程时间可靠性分析方法，其特征在于：包括以下步骤，

S1、构建路段行程时间估计模型，基于路段上下游交通流检测器输出的参数检测数据，估计任一给定时刻ti驶离的车辆在路段的行程时间TTti；

S2、对行程时间数据进行汇集，减少交通流参数波动性对可靠性的影响；汇集策略为：TTagg(tα)＝F(TTt1,…,TTti,…,TTtN)，其中F(*)为中值函数，TTagg(tα)为行程时间的汇集值，TTti为在ti时刻驶离的车辆在路段的行程时间；

S3、对包含不同月份以及季度的行程时间估计数据样本进行子集划分，生成S个子集，并采用Bonferroni修正的K-S检验法对多个行程时间数据子集间是否具有明显差异进行统计检验；若检验结论为不具有明显差异，则表明行程时间不具有月度或季度的时间差异性特征；否则，则说明时间特征会影响模型对行程时间估计的可靠性；

S4、用对数正态分布拟合行程时间的分布；采用最大期望算法进行参数标定；

S5、采用Bootstrap自抽样法对行程时间估计样本进行有放回抽样；进行M轮重复抽样，得到M个行程时间估计样本的子数据集TTSm，m＝1,2,…,M；计算每个数据子集行程时间可靠性指标TTRm；

S6、将行程时间估计样本的子数据集整合为数据集TTR＝{TTR1,,…，TTRi,…，TTRM}，检验TTR是否符合正态分布；若符合正态分布，进行TTR均值 与标准差SE(TTR)点估计，以及标准误差区间、百分位区间与改进百分位区间的区间估计；若不符合正态分布，则检测样本中的异常值并将其剔除，再重新执行步骤S6。

2.如权利要求1所述的改进的行程时间可靠性分析方法，其特征在于：步骤S3中，采用Bonferroni修正的K-S检验法对S个行程时间数据子集间是否具有明显差异进行统计检验，具体为，对任两个数据子集进行K-S检验，检验次数V＝S(S-1)/2，确定显著性水平α，计算局部显著性水平αlocal＝α/V，计算多重比较谬误FWER＝U/V，其中U为检验后的第I类错误数；若检验结论为不具有明显差异，则表明行程时间不具有月度或季度的时间差异性特征，否则说明时间特征会影响模型对行程时间估计的可靠性；结束检验进入步骤S4。

3.如权利要求1所述的改进的行程时间可靠性分析方法，其特征在于：步骤S4中，用对数正态分布拟合行程时间的分布，具体为，其中t为行程时间，K为子样本集总个数，Lognormalk(t；，μk，σk)表示对数正态分布，即其中μk,σk分别为拟合第k个子样本集的概率分布模型均值与标准差，μ,σ为均值与标准差顺序数组，即μ＝{μ1,μ2,…,μK},σ＝{σ1,σ2,…,σK}，wk为Lognormalk(t；μk,σk)的权重。

4.如权利要求1-3任一项所述的改进的行程时间可靠性分析方法，其特征在于：步骤S5中，行程时间可靠性指标包括标准差SD、协方差COV、缓冲时间指数BI、计划时间指数PI。

5.如权利要求1-3任一项所述的改进的行程时间可靠性分析方法，其特征在于：步骤S6中，检验TTR是否符合正态分布的检验方法采用Q-Q图法、K-S检验、Shapiro-Wilk检验。

6.如权利要求1-3任一项所述的改进的行程时间可靠性分析方法，其特征在于：步骤S6中，点估计包括TTR均值 与标准差SE(TTR)。

7.如权利要求1-3任一项所述的改进的行程时间可靠性分析方法，其特征在于：步骤S6中，区间估计量包括标准误差区间、百分位区间、改进百分位区间，具体为，标准误差区间 其中zα/2为标准正态分

布的α/2分位数；

百分位区间PC＝[TTR(α/2),TTR(1-α/2)]，其中TTR(α)为α分位数；

改进百分位区间 其中

式中zα、z1-α分别为标准正态分布在α、1-α分位数；

上式中φ

(*)为标准正态分布累计分布函数，φ-1(*)为标准正态分布累计分布函数反函数，num(*)表示满足条件的样本量。