1.一种城市快速路交通安全评价方法，其特征在于，包括如下步骤：S1：评价指标体系初选

从车速连续性、离散性和协调性出发进行评价指标初选；其中，连续性的评价指标包括断面瞬时速度差和车速降低系数，离散性的评价指标包括车速标准差、V85与V15车速之差、车速标准差变异系数和车速集散度，协调性的评价指标包括运行车速与设计速度之差和运行车速与限速值之差；其中，V85为样本路段第85％位车辆车速，V15为样本路段第15％位车辆车速；

S2：基于卷积神经网络对短时车速进行预测鉴于速度的时空特性，构造卷积神经网络进行车速预测；

S3：评价指标体系计算

依据灰色关联度分析速度指标与交通安全之间的关系，选取灰色关联度大的指标作为最终的评价指标体系；将预测得到的车速值代入评价指标体系，从而获得评价指标体系的计算值；

S4：基于云模型的模糊综合评价建立标准云模型以及结果云模型，将结果云模型与标准云模型比较，从而得到直观的评价结果。

2.根据权利要求1所述的城市快速路交通安全评价方法，其特征在于，所述S1的具体过程如下：

S11：车速连续性分析

断面瞬时速度差ΔV＝max{|V85i‑V85i+1|},i＝1,2,…,n‑1；

车速降低系数SRC＝V85i/V85i+1式中，V85i和V85i+1分别为第i和第i+1个断面的第85％车辆运行车速，n表示断面总个数；

S12：车速离散性分析

车速标准差

V85与V15车速之差ΔV＝V85‑V15车速标准差变异系数

式中，Vi为样本路段第i辆车速， 为样本路段的平均速度值，n为样本路段车辆总数；

V85为样本路段第85％位车辆车速，V15为样本路段第15％位车辆车速；

车速集散度

式中，ΔVi为第i个断面第85％位运行车辆车速与平均车速之差，即单位长度内的速度梯度，li为第i个断面对应的起点里程桩号，li+1为第i+1个断面对应的起点里程桩号，L为里程长度，n为里程长度L内断面个数；

S13：车速协调性分析

运行车速与设计速度之差ΔV＝max{|Vi‑Vi,d|}运行车速与限速值之差ΔV＝max{|Vi‑Vi,l|}式中，Vi为第i个断面的平均车速，Vi,d为第i个断面的设计车速，Vi,l为第i个断面在降雨时的限制车速。

3.根据权利要求1所述的城市快速路交通安全评价方法，其特征在于，所述S2步骤具体过程为：

S21：构造卷积层

第一层卷积的输入为12x12，使用8个5x5的卷积核提取输入矩阵的特征，卷积运算步长为1，采用0对矩阵边缘填充；第二层卷积的输入为12x12，使用12个3x3的卷积核提取输入矩阵的特征，卷积运算步长为1，采用1对矩阵边缘填充；卷积神经网络输出特征图大小的计算公式：

式中，P为边缘填充的数量，K为卷积核和池化区域的大小，S为计算操作的步长；

S22：激活函数修正

采用的激活函数为Relu，Relu的计算公式为：f(x)＝max(0,x)S23：构造池化层

选用最大池化的方法对卷积运算的结果进行池化，每一层池化层大小为2x2，步长为2；

两个池化层分别为Pool1和Poo12，Pool1的特征图的大小为6X6，Pool2的特征图的大小为

3X3；

S24：构造全连接层

池化层之后是全连接层，该层可以将池化结果以特征向量的形式呈现，模型输出为实际值；在Fc3层之后，使用Fc4层对Fc3层的特征向量整合，并且将分类中的最大概率值作为最终输出的特征值。

4.根据权利要求1所述的城市快速路交通安全评价方法，其特征在于，所述S3的过程为：

S31：确定评价指标体系(1)确定指标数据的实验数据X′i和参考数据X′0T

X′i＝(x′i(1)，x′i(2)，…，x′i(m)) ，i＝1，2，…，nX′0＝(x′0(1)，x′0(2)，…，x′0(m))，i＝1，2，…，n式中，n为评价对象的总个数，m为指标的个数；

(2)确定实验序列Xi和参考序列X0使用初值化法对指标数据进行无量纲化处理，无量纲化后的数据序列分别为：T

Xi＝(x0(1),x1(2),…，xn(m)) ,i＝1,2,…,n；

T

X0＝(x0(1),x0(2),…，x0(m))式中，n为评价对象的总个数，m为指标的个数；

(3)逐个计算实验序列与参考序列对应指标的绝对差值|x0(k)‑xi(k)|,k＝1,2,…,m；i＝1,2,…,n；

式中，n为评价对象的总个数，m为指标的个数；

(4)确定两级差值

式中，评价对象的总个数，m为指标的个数；

(5)计算关联系数

分别计算每个实验序列与参考序列对应指标的关联系数式中，ρ为分辨系数，ρ的取值范围为(0,1)；

(6)计算关联序

分别计算实验序列与参考序列对应指标的关联系数的均值，以反映各评价对象与参考序列的关联关系，并称其为关联序，记为：式中，m为指标的个数，ζi(k)为实验序列与参考序列对应指标的关联系数；

(7)关联度排序

将上述关联序按大小进行排列，当r0

S32：评价指标体系计算通过计算速度特性指标与交通事故率之间的灰色关联度，选择关联度位于前四的指标作为速度特性的代表，分别计算评价指标值。

5.根据权利要求1所述的城市快速路交通安全评价方法，其特征在于：所述步骤S4的具体过程为：

S41：确定标准云模型

将研究路段划定安全等级并设置分值以及标准云模型参数，然后根据标准云模型参数构建标准云模型；

S42：确定指标权重矩阵利用层次分析法计算各指标的权重，利用1‑9标度法对评价指标两两之间的重要度进行评价，构造判断矩阵；然后利用逆向云发生器获得结果云模型的期望Ex、熵En和超熵He，最终得到如下权重矩阵W：

W＝[Ex,En,He]S43：确定评判矩阵

对评价指标进行双边约束打分，利用逆向云发生器计算综合云，以综合云作为模糊评价的评判矩阵R；

S44：评价结果及分析

利用权重矩阵W和评判矩阵R求得结果云模型参数B，T

B＝W·R

依据结果云模型参数绘制结果云模型，然后对结果云模型与标准云模型进行比较。

6.根据权利要求3所述的城市快速路交通安全评价方法，其特征在于：所述全连接层输入数据的大小与形式确定为12x12矩阵，即将快速路划分为12个路段；然后利用Python编程对卷积神经网络进行训练，最后利用均方误差、平均绝对误差、绝对百分比误差进行结果检验，确保预测精度。

7.根据权利要求5所述的城市快速路交通安全评价方法，其特征在于：所述安全等级分为五级：安全、较安全、一般、较危险、危险。

8.根据权利要求5所述的城市快速路交通安全评价方法，其特征在于：所述S42步骤还包括对判断矩阵的一致性检验。