1.一种车辆路径动态自适应规划方法，其特征在于，包括如下步骤：步骤1.首先建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测；

然后建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间；

步骤2.利用车辆行程时间预测模型，基于改进的蚁群算法对以动态交通路况下车辆行程时间最小化为目标的路径规划问题进行求解，得到车辆行驶时间最短路径；

所述步骤1中，建立路段流量动态加载模型的过程如下：步骤1.1.1.将城市交通路网抽象成由节点以及边组成的交通网络，在该交通网络拓扑结构下，将车辆流量抽象成交通流；其中，节点即十字路口交叉点，边即路段；

步骤1.1.2.基于FP‑Growth算法计算浮动车行驶轨迹路段之间的关联规则，将关联规则的置信度作为交通流空间相关性的相关系数，构建流量转移概率矩阵；

该步骤1.1.2具体为：

步骤I.1使用FP‑Growth数据挖掘方法获得的频繁项集，得到两条路段之间的关联规则的置信度，将置信度作为空间相关性矩阵的元素，则路段空间相关性矩阵Wij如式(1)所示；

公式(1)中，行号i1、i2、i3…im和列号j1、j2、j3…jm表示路段编号，wij表示路段i、j之间的空间相关性大小，其中，wij与wji并不相等，即空间权重矩阵是非对称的矩阵；

步骤I.2.构建邻接矩阵A描述路段空间层次上的邻接关系，如公式(2)所示；

公式(2)中，行号i1、i2、i3…im和列号j1、j2、j3…jm表示路段编号，邻接矩阵A中的元素都用0和1表示；其中，元素0表示不邻接，元素1表示邻接；

步骤I.3.构建可达矩阵描述路段之间的连通性；

可达矩阵R的运算，通过邻接矩阵A和单位矩阵E的布尔运算得到；

步骤I.4.构建流量转移概率矩阵；

通过构建的可达矩阵和路段空间相关性矩阵，将路段空间权重矩阵中同一路段相同阶数的邻接路段的空间相关性进行归一化处理，再进行误差处理得到流量转移概率矩阵；

该步骤I.4具体为：

首先求得路段选择概率，计算公式为式(3)：

其中，Uij为路段选择概率，wig表示相对于路段i，全部路段中与路段j阶数相同的路段g的空间权重；由于路段选择概率趋近于中心化，因此，通过路段选择概率与平均选择概率的比较来得到误差系数Eij，计算公式为式(4)：其中，k表示可达的阶数， 表示平均选择概率；

即实际路段选择概率Rij为：

Rij＝Uij+Eij         (5)由此得到流量转移概率矩阵pij如公式(6)所示：其中，Rig表示相对于路段i，全部路段中与路段j阶数相同的路段g的空间权重；

步骤1.1.3.建立路段流量动态加载模型，具体包括建立拥塞路段流量动态加载模型、建立上游路段流量加载模型以及建立下游路段流量加载模型；

步骤II.1.建立拥塞路段流量动态加载模型；

路段进入拥塞状态后会形成通行能力瓶颈点，以此将路段分为三个细微具体的路段，即上游路段La、瓶颈路段Lb、下游路段Lc；假设在T0时刻开始发生拥堵；

对于上游路段La，输入交通流为 路段流量为 发生拥堵后路段La的实际通行能力 由初始状态的 变为瓶颈路段通行能力Davg；

对于瓶颈路段Lb，路段流量为 路段实际通行能力为Davg；

对于下游路段Lc，路段流量 Lc路段的实际通行能力 仍然为初始状态的当经过时间tx后，交通拥挤状态蔓延至整个上游路段，此时，上游路段La的可接收的输入交通流 由 减小至瓶颈路段通行能力Davg；

步骤II.2.建立上游路段流量加载模型；

当前上游路段初始输入交通流为qr，路段流量为Qr＝qr，路段实际通行能力为当下游路段发生拥塞时，上游路段的实际通行能力由 变为Davg，车流量开始出现拥挤排队；

当经过时间ts时，交通拥挤蔓延至十字路口，此时上游路段流量缩小至Davg；

根据流量转移概率矩阵来计算交通流变化情况，各上游路段当前实际通行能力计算公式如式(8)所示；

Dr＝∑Dro          (8)

其中，Dr表示当前上游路段实际通行能力，Dro表示上游所有路段接收的方向流大小；

步骤II.3.建立下游路段流量预测模型；

下游路段的流量主要来源于所有上游路段的流量，因此，当拥塞路段实际通行能力降低后，与之相关下游路段的交通流量也会相应部分减少；

当拥塞路段流量不发生变化后，输出流量保持不变，因此下路路段的流量也不会再变化；

上游路段流量减少存在两种情况：

上游路段为拥塞发生路段或上游路段是拥塞路段的下游路段；由于上游路段的车辆会驶入多条下游路段，因此下游路段流量的减少量按照车辆实际转移概率计算；

下游路段流量减小后的流量 计算公式如式(9)所示；

其中，qij表示下游路段初始流量，pij表示上游路段流量转向该下游路段的流量转移概率矩阵，qi表示上游路段初始流量，Qi表示上游路段流量减少后的流量值。

2.根据权利要求1所述的车辆路径动态自适应规划方法，其特征在于，所述步骤1中，建立车辆行程时间预测模型；

步骤1.2.1.建立通畅状态下车辆行程时间计算模型；

通畅状态下计算车辆行程时间，使用与路段交通流量和实际通行能力有关的交通模型阻抗函数来求解，计算公式如公式(10)和公式(11)所示；

其中，参数J为服务水平参数；ti表示通畅状态路段行驶时间， 为路段i的通畅通行时间；Qi为通过路段i的交通流量；Di为路段i的实际通行能力；

Li为路段i的长度；Vf为自由流通行速度；

步骤1.2.2.建立拥塞状态下车辆行程时间计算模型；

构建交通波模型来描述拥堵变化，假设车辆在某个路段是先进先出的，则车辆的行驶时间是所有车辆在该车辆之前通过该路段的时间；车辆正常行驶下速度vi为：当车辆排队等待时，需要考虑当前路段的车流密度和拥塞状况的传播；

根据交通波模型，拥塞传播速度vs为公式(13)；

式中，Davg为瓶颈路段通行能力，kp为瓶颈路段上游路段的车流密度，ki为当前路段车辆自由行驶条件下的车流密度；瓶颈路段上游路段的车流密度kp的计算公式如式(14)所示；

其中，Dc表示路段可通行能力，L表示瓶颈路段与上游路段交叉口的距离，n表示车道数；

Dc与车辆车道数和瓶颈路段与上游路段交叉口的距离相关，计算公式如式(15)所示；

其中，l表示车辆标准长度，d表示车辆间距；

当前路段车辆自由行驶条件下的车流密度ki的计算公式如式(16)所示；

交通拥塞状态蔓延过整个上游路段的时间计算模型如式(17)所示；

假设T0时刻路段发生阻塞，如果车辆在T1时刻进入路段并且交叉口处交通未发生堵塞，则车辆遇到交通堵塞的时间为Δt，如式(18)所示；

车辆通过拥塞路段的上游路段的时间为初入路段正常行驶时间和通过蔓延产生的阻塞路段的时间之和，计算模型如式(19)所示；

式中，te表示车辆通过瓶颈路段的时间；

步骤1.2.3.建立相关的车辆行程时间预测模型，如公式(20)所示；

tL＝∑[ti·h]+∑[te·h]+∑tg           (20)式中，tL表示路径行程时间；ti表示通畅状态路段行驶时间；te表示阻塞状态路段行驶时间，h为决策变量，当经过该路段取值为1，反之则为0；tg表示十字路口花费时间。

3.根据权利要求2所述的车辆路径动态自适应规划方法，其特征在于，所述步骤2具体为：

将车辆行程时间预测模型计算所得的各路段实际通行时间作为蚁群算法各路段的权重比值，将车辆行程时间预测模型的目标函数作为蚁群算法的求解目标；

其中，目标函数是指求得的行程时间最小即tL最小。

4.根据权利要求3所述的车辆路径动态自适应规划方法，其特征在于，所述步骤2中，基于改进的蚁群算法求解路径规划问题的过程如下：III.1.初始化各种蚁群算法参数，选定求解最短路径时间的起点和终点；

设定所有的蚂蚁都出生在初始路段；

III.2.开始迭代过程，每次迭代动态加载路段流量，计算并更新算法中边的权重，每只蚂蚁都按照轮盘赌的方法通过流量转移概率大小的比较来选择下一个路段，并把选择的路段记录在禁忌表中；其中，蚁群算法中边即路段，蚁群算法中边的权重是指通过时间；

III.3.判断当前路段是否为终止路段；

若是，则继续执行步骤III.4；若否，则跳转至III.2继续搜索；

III.4.计算所有蚂蚁的总路径时间，并与最短路径时间进行比较，以确定是否要更新最短路径时间，使用改进的信息素更新策略更新经过路径上的信息素浓度；

III.5.判断迭代是否结束，若结束则输出全程的最短时间；否则，跳转到III.2继续迭代。

5.根据权利要求4所述的车辆路径动态自适应规划方法，其特征在于，第c只蚂蚁由路段i转移到路段j的选择概率 如式(21)所示；

其中，τij为路段i和路段j之间的信息素浓度，α为信息素启发式因子，是衡量τij的参数；

ηij为路段i和路段j之间的信息素浓度，β为期望启发式因子，是衡量ηij的参数；

allowedc表示目前还没有被第c只蚂蚁访问过的路段；

信息素的更新模型如式(22)所示；

其中，τij(t)、τij(t+1)分别表示路段i和路段j之间第t、t+1的信息素浓度，ρ为信息素挥发系数，0<ρ<1，Δτij表示城市i到城市j路径上信息素的增长量；

表示第c只蚂蚁由城市i到城市j路径上信息素的增长量；

改进后的系数ηij计算公式如式(23)所示；

其中，wij为路段ij的道路阻抗，λ为与道路阻抗相关的放大系数，θ表示下一次要选择的路段中与终止路段之间夹角最小的夹角大小。

6.一种用于实现如权利要求1至5任一项所述的车辆路径动态自适应规划方法的车辆路径动态自适应规划系统，其特征在于，车辆路径动态自适应规划系统包括：车辆行程时间预测模型建立模块，用于建立城市交通路网中路段流量动态加载模型，以针对交通流量进行预测，然后建立考虑交通状态的车辆行程时间预测模型，以预测未来的路段通行时间；

车辆行驶时间最短路径求解模块，用于根据车辆行程时间预测模型，基于改进的蚁群算法对以动态交通路况下车辆行程时间最小化为目标的路径规划问题进行求解，得到车辆行驶时间最短路径。

7.一种计算机设备，包括存储器和处理器，所述存储器中存储有可执行代码，其特征在于，所述处理器执行所述可执行代码时，用于实现权利要求1至5任一项所述的车辆路径动态自适应规划方法的步骤。

8.一种计算机可读存储介质，其上存储有程序，其特征在于，当该程序被处理器执行时，用于实现权利要求1至5任一项所述的车辆路径动态自适应规划方法的步骤。