1.一种混合现实道路显示优化方法,其特征在于,包括如下步骤,对道路的拥堵情况、虚拟混合模型显示内容,虚拟混合模型显示的持续时间进行记录,分别按星期、日期、时间分类的拥堵信息统计结果,
所述虚拟混合模型根据如下方式进行调整,在检测到当前路段的路口处拥堵时,改变虚拟混合模型信息中隔离模型的显示位置,拓宽进入路口方向的路宽,将即将变动的路段分为若干等长的路道段,按顺序判断不同路道段中是否有车辆,当判断为否时改变所述路道段对应的隔离模型显示位置,根据所述统计结果,确定不同路段的最优隔离模型显示位置的调整时段;具体包括步骤,构建深度学习神经网络,所述深度学习神经网络的输入层包括日期、星期、时刻、是否为节假日、道路拥堵情况,输出层包括虚拟混合模型的显示位置信息、虚拟混合模型的显示内容,用所述统计结果对神经网络进行训练,得到训练后的的深度学习神经网络;对训练后神经网络进行运用,输入时间日期、道路拥堵情况,根据神经网络的输出进行虚拟混合模型的显示;对每个当前路段训练一个独立的深度学习神经网络,对训练后的深度学习神经网络进行运用,在每个预设时刻均收集当前的时间日期、道路拥堵状况,作为新的输入,神经网络输出最优化的预设时刻需要显示的虚拟混合模型信息。
2.一种混合现实道路显示优化存储介质,其特征在于,存储有计算机程序,所述计算机程序在被运行时执行如下步骤,对道路的拥堵情况、虚拟混合模型显示内容,虚拟混合模型显示的持续时间进行记录,分别按星期、日期、时间分类的拥堵信息统计结果,所述虚拟混合模型根据如下方式调整,在检测到当前路段的路口处拥堵时,改变虚拟混合模型信息中隔离模型的显示位置,拓宽进入路口方向的路宽,将即将变动的路段分为若干等长的路道段,按顺序判断不同路道段中是否有车辆,当判断为否时改变所述路道段对应的隔离模型显示位置;
根据所述统计结果,确定不同路段的最优隔离模型显示位置的调整时段,具体包括,构建深度学习神经网络,所述深度学习神经网络的输入层包括日期、星期、时刻、是否为节假日、道路拥堵情况,输出层包括虚拟混合模型的显示位置信息、虚拟混合模型的显示内容,用所述统计结果对神经网络进行训练,得到训练后的的深度学习神经网络;对训练后神经网络进行运用,输入时间日期、道路拥堵情况,根据神经网络的输出进行虚拟混合模型的显示。