1.一种基于贝叶斯最大熵的高校交通安全评价方法，其特征在于，包括以下步骤：S1、确定校园交通安全评价体系的评价参数指标；

S2、根据评价参数指标中的各因素间的逻辑关系建立网络拓扑结构，将得到的网络拓扑结构转换为贝叶斯网络模型；

S3、采集贝叶斯网络模型中评价参数指标数据，用采集到的评价参数指标数据确定评价参数指标区间，利用AHP法对评价参数指标区间进行处理获得评价参数指标的主观权重值区间；

S4、在主观权重值区间范围内任意选定一组主观权重值作为判定权重值；

S5、将判定权重值进行梯度下降处理以及归一化处理；

S6、计算判定权重值的熵值，判断计算出的熵值是否满足最大熵理论，如果满足最大熵理论则将判定权重值作为交通安全评价的客观权重，如果不满足最大熵理论则返回步骤S4继续执行。

2.根据权利要求1所述的一种基于贝叶斯最大熵的高校交通安全评价方法，其特征在于，所述步骤S1中确定校园交通安全评价体系的评价参数指标，包括如下步骤：S21、根据保卫处安全管理条例、校园交通安全管理规范和城市交通安全规范确定容易导致校园交通安全事故的因素，作为校园交通安全评价体系的初筛评价因素；

S22、根据事故致因理论将初筛评价因素分为人的不安全行为以及物的不安全状态，分别对初筛评价因素进行筛选后将最容易导致校园交通安全事故的初筛评价因素作为校园交通安全评价体系的评价参数指标。

3.根据权利要求1所述的一种基于贝叶斯最大熵的高校交通安全评价方法，其特征在于，所述步骤S2中按照式(1)和式(2)建立贝叶斯网络模型：其中，Xi为第i个节点的随机样本，xi为该样本中具体数值，n为总节点数，α为Xi所在节点相应的父节点。

4.根据权利要求1所述的一种基于贝叶斯最大熵的高校交通安全评价方法，其特征在于，所述步骤S3中利用AHP法对评价参数指标区间进行处理获得评价参数指标的主观权重值区间包括如下步骤：S41、邀请专家对贝叶斯网络模型中的每一个父节点与子节点打分，得到判断矩阵Hn；

S42、利用式(3)计算权重区间估计模型，

其中，Wiα是最优权重的集合，Wiα＝[ω1α,ω2α,…,ωnα]，ωiα为最优权重集合中的元素，Hnα是理想状态下的判断矩阵，Hn是根据理想状态下的判断矩阵Hnα通过自学习得到的判断矩阵， ωi为第i个节点的权重值，[ki1α,ki2α,…,kinα]即理想状态下的判断矩阵Hnα的元素值，n是节点总数，βmax为Hn矩阵的最大特征值，当Hn为最优判断矩阵时n＝βmax。

5.根据权利要求1所述的一种基于贝叶斯最大熵的高校交通安全评价方法，其特征在于，所述步骤S5中将判定权重值进行梯度下降处理以及归一化处理的方法包括如下步骤：S51、利用式(4)求贝叶斯网络模型中节点的梯度值：

其中，α为Xi所在节点相应的父节点，ω1是相应权重值，H是随机样本X1,X2,…,Xm的集合，Xi为第i个节点的随机样本；

S52、利用式(5)求经过梯度下降计算后得到的新权重值ω2：其中，β是学习率，ω1是相应权重值，H是随机样本X1,X2,…,Xm的集合，ω2是经过梯度下降计算后得到的新权重值；

S53、将经过梯度下降计算后得到的新权重值进行归一化处理，满足式(6)的条件：其中，ωi是第i个节点的权重值，i是节点数标识。

6.根据权利要求1所述的一种基于贝叶斯最大熵的高校交通安全评价方法，其特征在于，所述步骤S6中计算判定权重值的熵值，判断计算出的熵值是否满足最大熵理论包括如下步骤：S61、利用式(7)求信息熵H(P)，

其中，i是节点数标识，H(P)为信息熵，P(i)为第i个评价指标对应的判定权重值；

S62、利用式(8)求最大熵，

其中，maxH(P)为最大熵，ωi是第i个节点的判定权重值；

S63、判定H(P)-maxH(P)＝0是否成立，若成立，满足最大熵理论，若不成立，则不满足最大熵理论。