城市快速路作为城市道路基础设施的重要组成部分,具有运行速度快,服务交通量大和通行能力大的特点,并且承担城市内部区域之间的过境交通工作。因此,快速路上一旦突发交通事故将导致通行能力下降和延误增加,从而影响区域路网运行环境和交通安全。引发道路交通事故的客观原因有很多,不利的天气条件（例如雨,雾,雪,风等）是引发快速路交通事故的主要客观原因,雨天是最常见的不利天气,它不仅直接影响道路的摩擦系数,而且还间接影响驾驶员的身体和心理素质。因此进行雨天快速路短时车速预测和交通安全评价对交通管理和公共安全具有重要意义。本文首先分析了降雨对能见度和附着系数的影响机理,研究了车速与驾驶员、车辆以及道路线形之间的关系。同时车速与交通事故也存在密切关系,随着车速提高,道路交通事故数率增加,速度越快,事故后果也会越严重。引用统计量t作为检验统计量,选择广州市2016年8月1日至2016年9月31日中降雨日及无降雨日作为研究对象,得出降雨量对速度具有显著影响。但Pearson相关系数和Spearman相关系数均不不显著,说明随着降雨量的增大,速度下降不一定越大,车速标准差系数研究结果表明不同交通状态下,不同降雨量与车速标准差系数存在差异性,从整体趋势来看,车速离散性的变化规律为:大暴雨>暴雨>大雨。其次,构建了基于卷积神经网络的短时车速预测模型,车速具有时空特性,可以用矩阵表示,作为卷积神经网络的输入,与其他模型相比,基于卷积神经网络模型的优点是:综合考虑车速的时间和空间信息。以广州市广园快速路2016年8月1日-2016年9月30日共计60天的数据为例,其中雨天共计27天,选取前23天的数据为训练数据,9月27日和9月28日2天的数据为测试数据,9月29日和9月30日2天的数据为预测数据,利用Python编程进行卷积神经网络预测。将预测结果与遗传算法（Genetic Algorithm,GA）优化的BP（Back Propagation）神经网络和支持向量机回归模型（Support Vector Regression,SVR）进行对比分析,发现卷积神经网络有较小的均方误差（Mean Square Error,MSE）、平均绝对误差（Mean Absolute Error,MAE）和绝对百分比误差（Mean Absolute Percentage Error,MAPE）,预测效果良好。再次,结合速度与驾驶员、车辆、道路线形之间的密切关系,提出基于速度特性的快速路交通安全评价,参考关于车速指标的选取方法,通过灰色关联度的方法确定因子贡献度,选取贡献度大的车速指标作为交通安全的评价指标。最终选取车速标准差变异系数X1、V₈₅与V₁₅车速之差X2、车速降低系数X3、运行车速与限速值之差X4作为速度指标,天气指标选取能见度X5和降雨量X6,构建雨天快速路交通安全评价指标体系。最后,将采用基于云模型的模糊综合的评价方法来评价城市快速路交通安全,云模型可以将模糊性和随机性相结合,实现定量与定性之间的转换,提高了评价结果的真实性和可靠性。以2016年9月29日7:00-9:00降雨时段的广州市广园快速路L8路段为例进行交通安全评价,将评价综合云与评价标准云进行对比分析,发现该路段所处的状态为较安全,该等级降雨强度较小,能见度略微降低,对行车视距影响不大,行车风险轻微,车辆基本能够以正常速度行驶。