1.一种基于行程时间预测的实时路径规划方法，其特征在于，所述方法包括如下步骤：

1)收集典型路段的车辆行程时间的历史数据；

2)判断车辆行程时间数据是否存在异常，将异常数据放入异常数据集单独处理；

3)确定BP神经网络拓扑结构并确定其权值的个数，根据计算其最大信息系数来确定BP神经网络输入层的节点个数，并选取单隐层的BP神经网络模型为预测原型；

其计算公式为：

其中：公式(1)和(2)中，X，Y表示需要计算的两个变量，I(x,y)表示两个变量X，Y的互信息，ρ(x),ρ(y)表示X，Y在给定的区域内的概率，MIC(x,y)表示最大信息系数，a和b表示在X，Y的二维空间中用散点图来表示，用方格划分成的区间数目，B是变量；

4)在BP神经网络的每一个权值的变化上加上一项正比于前次权值的变化的值，并根据BP神经网络算法来产生新的权值变化，公式如下：其中，η为学习速率；

α为权系数修正常数；

5)根据确定的权值，计算实际输出误差，并将误差反向传递给输入层，进一步调整，重复过程，直到满足自己期望，退出训练；

6)由上述预测结果，预测一天各时间段的车辆行程时间，进行车辆出行的路径规划。

2.如权利要求1所述的一种基于行程时间预测的实时路径规划方法，其特征在于，所述步骤3)中，BP神经网络拓扑结构如下：输入层：输入预处理的样本数据，具体预测时段为每天各个时间段的前三周周的相同星期日期的时段以及当天前一天的预测时段，预测路口的上个路口三个方向的汇入数据等七个数据；

隐含层：M和N表示为输入和输出层的节点数，隐含层节点数一般选择M*(N+1)或者M*N+a，a取(1,10)之间的数；

输出层：为车辆行程时间一个节点。

3.如权利要求1或2所述的一种基于行程时间预测的实时路径规划方法，其特征在于，所述步骤6)中，采用Dijkstra最短路径算法进行车辆行程时间的路径规划，过程如下：

6.1)以起点为中心，向周围路径搜索，选择车辆行程时间最少的路段，再以该路段为起点，搜索相邻路段中车辆行程时间最短的路段；

6.2)假设用户在时间t时刻，输入出发点V0和目的地Vn进行路径规划导航；

6.3)获取分析t所属的时间段，出发点V0所属路段，得到该t时刻，V0道路的车辆行程时间t1；

6.4)到达下一路口V1的时间为t+t1，搜索得到在t1时刻V1路口所属路段的车辆预测行程时间t2；

6.5)最终的路径规划总时间T＝t+t1+t2+…ti。

4.如权利要求1或2所述的一种基于行程时间预测的实时路径规划方法，其特征在于，所述步骤1)中，所述BP神经网络训练样本的选取过程为：收集典型路段的车辆行程时间的历史数据，选取一个月内每天24小时的车辆过车数据作为训练的样本数据，包括车辆速度、道路路段长度、车头间距和车辆路口通过时间，其中车辆速度、道路路段长度、车头间距是为了判断预处理的异常数据，车辆路口通过时间是为了计算车辆在道路路段的行驶时间。