1.一种基于改进型决策树算法的路况信息预测方法，其特征在于，包括：步骤1、确定道路连通力的影响因子，所述影响因子包括车道长度Rl、车道数Rs、车道宽度Rd、红绿灯数Rx、连续行驶平均长度Rl*、路段路口数Ln、连接路段数Lr、路段是否含公交车站Bs和行车变道指数Le；步骤2、基于步骤1的影响因子确定分析道路连通力的属性，所述属性包括道路容量Rm、车道宽度Rd、期望等候时间Ts、道路平均转向数Lg、连续行驶平均长度Rl*、路段是否含公交车站Bs和行车变道指数Le；步骤3、采集道路数据；步骤4、数据预处理：剔除不合要求的数据与数据修补；步骤5、基于采集的道路数据计算信息熵E(S)；

式中：S为道路数据的训练集样本，其包含n个类别的样本，分别用C1，C2，...，Cn表示；pi表示类Ci的概率；步骤6、基于采集的道路数据计算各属性的属性熵E(S，A)；

其中，Si表示根据属性A划分的训练集样本的第i个子集，|S|和|Si|分别表示S和Si中的样本数目，m为训练集样本所划分的子集数；其中，属性A为基于步骤1的影响因子确定分析道路连通力的属性；步骤7、基于关联函数计算各属性的关联函数值CF(A)；

式中：Xi  m-1与Xim为参数Xij的特定值，下标j表示属性A的每一种情况，i表示数据每一种取值情况，n为数据总量，m表示属性A中所选取的具体属性，Xij表示每一种属性的取值情况；步骤8、基于各属性的关联函数值CF(A)计算各属性的权重值；

式中：m为属性数量，CF(1)、CF(2) ...CF(m)分别为每个属性的关联函数值；步骤9、基于信息熵E(S)、各属性的属性熵E(S，A)和各属性的权重值Wg(A)计算各属性的信息增益Gain′(S，A)；Gain′(S，A)＝(E(S)-E(S，A))*Wg(A)步骤10、根据各属性信息增益的大小进行排序构建决策树，并根据决策树预测道路路况。2.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤2中，道路容量Rm为：式中，αl为车道衰减系数，为第i条车道的车道长度。

3.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤2中，期望等候时间Ts为：

式中，Tp为每一个通行方向的时间占总循环的时间的比值。4.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤2中，路段平均转向数Lg为：

5.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤4中，剔除不合要求的数据包括：剔除交通流量大于最大限定值的数据；剔除道路车速大于最大限定值的数据；剔除交通流量、道路车速为负或空的数据；剔除道路车速为零，但交通流量不为零的数据；剔除交通流量为零，但道路速度不为零的数据。6.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤4中，数据修补包括：采用临近道路或临近时刻的数据进行修补。7.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤4与步骤5之间，还包括：数据分类：根据流入端平均车流密度构造拥堵和流畅条件的道路连通力决策树。8.如权利要求1所述的基于改进型决策树算法的路况信息预测方法，其特征在于，在步骤10中，信息增益最大的属性作为决策树的根节点，信息增益次大的属性作为决策树的第二层节点，依次类推，构建出决策树。