1.面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：构建基于ARMA模型与广义RBF神经网络的联合预测模型，预测下一时段智能网联车辆的行车速度Vt+1，定义并计算行车安全性评价指标，由评价指标对应的等级数值构造行车安全性评价模型，进行行车安全性评价。

2.根据权利要求1所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述联合预测模型为：其中，ei为ARMA模型或广义RBF神经网络在联合预测模型中的权重，Cit为广义RBF神经网络或ARMA模型对Vt+1在目标时刻t的预测结果，ft为随机噪声，且ft∈[0,1]。

3.根据权利要求1所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述行车安全性评价指标包括：下一时段预测智能网联车辆速度与设计速度相似性指标S1、相邻路段上车速变化趋势的协调性指标S2、变道智能网联车辆侧向加速度指标S3、交通事故发生率指标S4和追尾碰撞指标S5。

4.根据权利要求3所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述下一时段预测智能网联车辆速度与设计速度相似性指标S1为：S1＝|Vt+1-Vd|

其中，Vd为当前路段设计速度。

5.根据权利要求3所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述相邻路段上车速变化趋势的协调性指标S2为：其中：Vt-1为上一时段行车速度。

6.根据权利要求3所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述变道智能网联车辆侧向加速度指标S3为：其中，临界加速度 Gs为车辆簧载质量，Gu为非簧载质量，B为等效轮距，hs为簧载质量重心离地高度，R为车轮半径，Vt为实时车速，R0为瞬时转弯半径。

7.根据权利要求3所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述交通事故发生率指标S4为：其中，β1为该路段受交通事故影响不能够按正常通行能力服务的时间，β2为从路段开通以来服务总时间。

8.根据权利要求6所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述追尾碰撞指标S5为：其中，S51为TTC碰撞时间指标， 且S51所占比重 h为车头间距，Vt'为前车车速，L为车身长度，σ为调整参数；S52为车头间距指标，S52＝|h-h'|，h'为平衡态车头间距， h0为最小停车间距，v0为自由流速度，α为敏感系数，且S52所占比重 S53为车头时距指标， htmin为最小车头时距，且S53所占比重

9.根据权利要求1-8任一项权利要求所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述行车安全性评价模型为：其中，τ为智能网联车的比例，f为出行车安全性评价值，Si'为评价指标对应的等级数值。

10.根据权利要求9所述的面向混行交通流中智能网联车辆的行车安全性评价方法，其特征在于：所述行车安全性评价指标对应的等级为优、良、差。