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。