1.一种路网交通运行状态预测方法，其特征在于，包括如下步骤：

获取目标区域路网内每条道路的历史拥堵延时指数及当前拥堵延时指数；

基于每条道路的历史拥堵延时指数计算每条道路的权重系数；

基于训练好的泄漏积分型回声状态网络及历史拥堵延时指数预测每条道路的预测拥堵延时指数；

计算目标区域路网的预测拥堵延时指数CDInets，其中， n表示目标区

域路网内道路的条数，ωi表示目标区域路网内任意一条道路i的权重系数，CDIi表示目标区域路网内任意一条道路的预测拥堵延时指数；

所述预测拥堵延时指数CDInets的值越大表示目标区域路网越拥堵，从而利用预测拥堵延时指数CDInets进行目标区域路网的交通运行状态预测。

2.如权利要求1所述的路网交通运行状态预测方法，其特征在于，所述基于每条道路的历史拥堵延时指数计算每条道路的权重系数包括：基于每条道路的历史拥堵延时指数计算道路之间的相关性，道路之间的相关性计算公式为 其中，P表示相关性矩阵，xi和xj分别表示目标区域路网内任意一条道路i和任意一条道路j的当前拥堵延时指数，且道路i和道路j表示不同的两条道路，和 分别表示目标区域路网内任意一条道路i和任意一条道路j的历史拥堵延时指数的均值，Pij表示相关性矩阵r中的元素，Pij表示目标区域路网内任意一条道路i和任意一条道路j的相关性；

基于算道路之间的相关性计算道路的相似度，道路的相似度的计算公式为其中，Sup(Ri)表示目标区域路网内任意一条道路i的相似度；

基于道路的相似度计算道路的权重系数，权重系数的计算公式为

3.如权利要求1所述的路网交通运行状态预测方法，其特征在于，所述泄漏积分型回声状态网络的输出为y(t+1)，其中，y(t+1)＝g(Wout(u(t+1),z(t+1),y(t)))，y(t+1)为任一道路的下一时刻的拥堵延时指数，即预测拥堵延时指数，z(t+1)为泄漏积分型回声状态网络下一时刻的储备池神经元节点状态，u(t+1)为t+1时刻网络输入，g(·)为输出层函数，Wout为输出层节点权重，采用历史拥堵延时指数对泄漏积分型回声状态网络进行训练，直到泄漏积分型回声状态网络的预测精度满足预设预测精度，则完成泄漏积分型回声状态网络的训练。