1.基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，包括以下步骤：

步骤1，获取高风险路段的车辆行驶工况信息和环境数据，所述车辆行驶工况信息为该路段的断面交通数据和车型构成，所述环境数据为道路环境数据和线性条件信息，并将其作为原始数据；

其中，所述高风险路段包含急转弯路段、长下坡路段、大桥路段和隧道路段；

步骤2，以原始数据为依据，构建仿真路网模型，对路网中的车辆参数和微观跟驰模型参数进行校准，形成仿真交通路网模型；

步骤3，确定每种高风险路段的风险防控手段在仿真交通路网模型中的输入参数，并将对应的输入参数输入仿真交通路网中的对应高风险路段，形成风险防控后的仿真路网；

步骤4，根据风险防控后的仿真路网，计算相应安全替代评价指标；

步骤5，基于极值理论和安全替代评价指标，建立高风险路段的行车风险评估模型，根据该行车风险评估模型计算不同防控手段对应的事故率，完成不同风险防控手段的防控效果评估。

2.根据权利要求1所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述路段的断面交通数据包括该路段的流量数据、平均速度、行驶时间；所述车型构成为该路段中乘用车与商用车的比例；所述道路环境数据包括：直线道路路段、长下坡、长隧道、大桥、急转弯；所述线形条件信息包括车道数、车道宽度、坡度、弯道半径以及限速值。

3.根据权利要求2所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述以原始数据为依据，构建仿真路网模型，具体为：

2.1，利用OPEN STREETMAP网站导出道路环境数据与线性条件信息；

2.2，采用K‑means聚类对该路段的交通流特征进行聚类，得到不同聚类中心数对应的聚类结果，选取轮廓系数最大的聚类作为最终聚类模型，完成聚类模型的构建；

2.3，根据最终聚类模型导出聚类中心点对应车辆的交通流特征，结合车辆的行驶时间和步骤2.1的到处数据构成合成交通流状态，将其输入SUMO仿真软件完成仿真路网模型的构建；

其中，所述交通流特征包含流量数据、车型构成和平均速度。

4.根据权利要求3所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，步骤2.2的具体过程为：

2.2.1、由于交通流特征即流量数据、车型构成和平均速度这三类数据的量纲不同，因此，对交通流特征进行数据标准化处理，转换函数如下：其中，z'为标准化处理后的交通流特征，z为原始交通流特征；

S2.2.2、从标准化处理后的交通流特征数据集中随机选取k个样本作为初始的簇中心z1,z2,...,zk；

S2.2.3、根据每个聚类中所有样本点的均值计算样本集中每个样本点与该均值的距离，并根据距离重新对样本进行类别划分；

S2.2.4、对重新划分后的数据重新计算每个聚类的均值；

S2.2.5、循环执行步骤S2.2.3和S2.2.4，直到每个聚类不再发生变化为止；

选取不同的k值进行上述聚类，得到多个聚类结果；选取聚类结果中轮廓系数最大的聚类作为最终聚类模型。

5.根据权利要求1所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述对路网中的车辆参数和微观跟驰模型参数进行校准，具体为：以最小化均方根误差作为交通断面流量与速度的目标函数进行参数校准，目标函数表达式如下：

其中，qobsj,vobsj为给定时间间隔j的实际交通断面流量和速度；qsimj,vsimj为给定时间间隔j的仿真交通断面流量和速度；N为观测间隔总数；

所述车辆参数包含车辆期望速度、车辆期望加速度、车辆期望减速度以及车辆长度；所述微观跟驰模型参数包含形状参数Sigma和最小车头间距Tau。

6.根据权利要求1所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述每种高风险路段的风险防控手段在仿真交通路网模型中的输入参数具体为：所述急转弯路段的风险防控手段为变速标志牌和限重，对应的输入参数为Variable Speed Sign和Vehicletype；所述长下坡路段的风险防控手段为变速标志牌和封闭车道，对应的输入参数为Variable Speed Sign和closing Lane Reroute；所述大桥路段的风险防控手段为变速标志牌和封闭车道，对应的输入参数为Variable Speed Sign和closing Lane Reroute；所述隧道路段的风险防控手段为变速标志牌和封闭车道，对应的输入参数为Variable Speed Sign和closing Lane Reroute。

7.根据权利要求1所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述安全替代评价指标包括：车辆碰撞时间TTC和后车避免与前车相撞而必须减速的减速度DRAC；

所述车辆碰撞时间TTC和DRAC的计算公式分别为：其中，TTCF(t)为t时刻跟随车的TTC值，DRACF(t)为t时刻跟随车的DRAC值；xL,xF分别为前车和跟随车的位置；vL,vF分别为前车和跟随车的位置；LL为前车长度。

8.根据权利要求7所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述基于极值理论和安全替代评价指标，建立高风险路段的行车风险评估模型，具体为：选取极值理论的阈值过剩模型对交通冲突进行建模和事故预测，具体步骤为：

5.1，确定不同安全替代评价指标的极值分布：设x1,x2,...,xn是具有分布函数F(x)的随机变量X的独立同分布的观测值，所述随机变量X为仿真输出的TTC、DRAC值；当u足够大时，阈值过剩模型在x>u的范围内近似分布函数F(x)；对于合适的阈值u，随机变量X的条件超限分布函数服从一个单变量Pickands凸依赖函数‑广义帕累托分布的近似形式，分路段相应的参数集为(u,ξ,σ)；广义帕累托分布近似的功能形式为：

设定 转换X为： 变量 的分布函

数在X>u的范围上基本满足标准Fréchet分布，即ξ＝0，则分布函数F(x)表示为：其中： H为[0,1]上的满足均值约束 分布函数；

5.2，根据样本的超限期望图确定极限阈值ux：样本的超限期望函数e(u)定义式为：g＝min{i|Xi>u}

其中，Xi为第i个冲突的TTC/DRAC值；g为大于TTC/DRAC阈值的冲突中排序最小的编号；

G'为冲突总数量；

由上式知，样本的超限期望图是由u与e(u)构成的曲线，选择u和e(u)的关系呈现近似线性函数关系时的u值为极限阈值ux；

5.3，利用最大似然估计对广义帕累托分布的范围参数σ和形状参数ξ进行估计，得到参数估计值。

9.根据权利要求8所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，所述计算不同防控手段对应的事故率，具体为：碰撞的风险定义为观测到一个接近指标为负或DRAC大于MADR事件的概率，即：RTTC＝Pr{negatedTTC>0}＝1‑FTTC(0)∨RDRAC＝Pr{DRAC>MADR}＝1‑FDRAC(MADR)式中，FTTC为高风险路段的行车风险评估模型估计的TTC阈值过剩分布函数，FDRAC高风险路段的行车风险评估模型估计的MADR阈值过剩分布函数。

10.根据权利要求1所述的基于安全替代评价指标的高风险路段风险防控手段评估，其特征在于，还包括步骤：设定每个高风险路段的风险防控手段的效果阈值R0，将计算的事故碰撞率与该阈值作比较，对不同道路路段风险防控手段效果进行对比，当事故碰撞概率小于阈值时，则该风险防控手段有效，否则，该风险防控手段无效；

其中，R0根据多次仿真试验得到的事故碰撞率结合实际交通事故数设定。