道路安全性评价是有效预防和降低交通事故的重要手段之一，是从公路使用者的角度对公路项目中影响行车安全的潜在因素进行评价，及早发现影响行车安全的潜在因素并加以纠正，防患于未然，能最大程度地减少人员和财产损失。本文给出了三种进行交通安全评价的方法，它们分别是灰色聚类、基于灰色关联度的多级灰色评估法和自组织神经网络。与传统方法不同的是它们不是只考虑绝对指标或几个相对指标来进行评价的，而是在进行评价之前都是选择一系列的评价指标组成一个评价体系。在建立评价指标体系，要综合考虑人、车、路和环境诸多方面因素的作用和影响，从而对评价对象作出全面和准确的评价。采用灰色聚类的方法对2002年和2003年的指标序列进行聚类分析，并对结果进行比较，分析交通安全状况的分布和变化规律。在进行多级灰色评估法中舍弃了菲特尔专家法，引入灰色关联度进行指标权值的确定，解决专家法建立判断矩阵时人为因素影响的缺点，而且获得的结果具有很好的可行性。尝试采用无导师训练的自组织神经网络对指标序列进行聚类分析，不需要考虑输出期望值，操作简单，在matlab神经网络工具箱中就可以实现，训练结果具有很强的实用性。上面提到的每一种方法各有一章完成，都是先介绍原理、方法，构建模型，然后以2002年和2003年两年全国部分地区的数据进行分析，最后给出评价结果并对结果进行讨论。从三种方法得到的评价结果可以看到：大部分地区三种方法的结果没有发生变化；一小部份地区的评价结果有一个等级的改变；极少数地的结果发生了较大的改变。说明三种方法具有很好一致性。在实际应用中，就需要看具体情况和设计者的经验来确定到底采用哪一种方法的评价结果。