1.一种高速公路行程时间估计模型参数优化方法，其特征在于：包括以下步骤，S1、在路段上、下游检测器节点位置Su、Sd分别设虚拟的跟驰车VF与前导车VL，构建GM跟驰模型，描述前导车与跟驰车间的运行参数关系，在此基础上构建路段行程时间估计模型GMTTE：[TTI,vTTI]＝GMTTE(l,m,α,vSd,vSu)，该模型输出虚拟的跟驰车VF在路段Ith上的行程时间TTI以及在路段Ith下游终点实时速度vTTI，其中vSd、vSu为模型的输入值，分别为路段Ith上下游检测器输出的速度检测值；l为车头间距指数，m为速度指数，α为灵敏度；进一步基于路段行程时间估计模型构建包含多个路段的路线行程时间估计模型；

S2、l,m,α三参数的取值直接影响到行程时间估计精度，预先定义遗传算法适应度函数其中Wj为误差指标MAj的权重，j为行程时间估计的时间间隔，其取值范围为[2,K]，遗传算法优化目标为适应度函数最小；

S3、对遗传算法适应度函数的权重进行初始化，即p(j)＝Wj，根据交通流状态确定p(j)先验分布；计算误差指标MAj(l,m,α)，采用Metropolis-Hastings算法更新权重，经过遗传算法迭代计算行程时间估计的时间间隔j的最优解，确定对应权重Wj；

S4、基于步骤S3确定的最优解对应权重，由遗传算法输出自由流状态以及拥堵状态下的最优参数组合[l,m,α]，对步骤S1构建的初始的路线行程时间估计模型进行优化。

2.如权利要求1所述的高速公路行程时间估计模型参数优化方法，其特征在于：步骤S1中，构建包含多个路段的路线行程时间估计模型，具体为：S11、以高速公路交通流检测器布设点作为路线中的路段划分节点，并对路段进行编号(I+k)th，I为路线编号，k为路段序号，th为路段编号标记，k∈[0,n]，即路线划分为n+1个路段；

S12、对于任一路段(I+k)th，在其上游检测器节点位置Su、下游检测器节点位置Sd分别设虚拟的跟驰车VF与前导车VL；VL的实时行驶速度根据下游检测器节点位置Sd检测器输出的速度检测值计算，其公式为： 其中t∈[Ti,Ti+1]，Ti为下游检测器节点位置Sd检测器的数据时间戳， 分别为检测器在时间戳Ti、Ti+1检测的平均行驶速度；

S13、根据GM跟驰模型对前导车与跟驰车间的运行参数关系的定义，构建路段行程时间估计模型GMTTE： 该模型输出虚拟的跟驰车VF在路段Ith上的行程时间TTI以及在路段Ith下游终点实时速度vTTI，其中vSd、vSu为模型的输入值，分别为路段Ith上、下游检测器输出的速度检测值；l为车头间距指数，m为速度指数，α为灵敏度；

重复该过程直至完成路段(I+n)th的行程时间估计，进而估计路线行程时间。

3.如权利要求2所述的高速公路行程时间估计模型参数优化方法，其特征在于：步骤S13中，估计路线行程时间，具体为，S131、跟驰车VF在路段Ith上运行的任一时刻t的实时行驶速度 计算公式为：式中 分别为VF在t-ΔT时刻的行驶速度与加速度，实时加速度 具体的计算公式为： 式中α(*)为灵敏度，

为前导车在t-ΔT时刻的行驶速度， 分别为前导车、跟驰车在t-ΔT时刻的行驶距离，前导车VL实时行驶距离 计算公式为： 跟驰车VF实时行驶距离 计算公式为： 式中 为前导车在t-ΔT时

刻的行驶速度， 为跟驰车在t-ΔT时刻的行驶距离， 为VF在t-ΔT时刻的加速度；

S132、以路段Ith终点实时速度vTTI对跟驰车VF在下一路段(I+1)th起点的速度进行初始化；

S133、运用路段行程时间估计模型 估计路段(I+1)th的行程时间；

S134、循环步骤S132、S133直至完成路段(I+n)th的行程时间估计；

S135、路线行程时间

4.如权利要求1-3任一项所述的高速公路行程时间估计模型参数优化方法，其特征在于：步骤S3具体为，S31、初始化权重，即p(j)＝Wj；其中先验分布p(j)根据交通流运行状态选取，交通流运行状态包括自由流状态和拥堵状态；

S32、计算误差指标MAj(l,m,α)，将MAj最小的对应j的取值作为最佳时间间隔；遗传算法每次迭代均会输出一个最优解 其中M为迭代次数；

S33、通过最优解 对步骤S31所述的两种运行状态下的先验分布进行更新，生成最优解的后验分布。

5.如权利要求4所述的高速公路行程时间估计模型参数优化方法，其特征在于：步骤S31中，先验分布p(j)根据交通流运行状态选取，具体为，在自由流状态下采用均匀概率分布，即 σ2分别为j的

取值上下限，根据S2中对其取值范围的定义，σ1＝2，σ2＝K；

在拥堵状态下采用对数正态分布，即 μ、σ分别为j的

均值和标准差。

6.如权利要求4所述的高速公路行程时间估计模型参数优化方法，其特征在于：步骤S33具体为，S331、用高斯分布表示已知的最优解jold与迭代新产生的最优解jnew间的概率关系，p(jnew|jold)＝N(jold,σr)，其中，jold初始值设置为一非负数，σr为步长；

S332、计算似然比r，判断jnew是否可接受；自由流状态下，r的计算公式为：拥堵状态下，r的计算公式为：

若r＞1，则jnew可接受，将当前的最优

解由jold更新为jnew，否则仍保持为jold；

S333、对步骤S331与S332实施N重循环，得到时间间隔j的最优解J以及对应的权重WJ。