道路服务水平是衡量交通流运行条件以及驾驶员和乘客所感受的服务质量的一项指标。本文从交通流三要素的角度出发,建立了北京市快速路交通服务水平的分级标准和评价方法,将交通状态以一种交通参与者容易理解的方式呈现出来。由于诸多外界环境的干扰,交通状态原始数据会存在异常值情况,对输入数据的精度进行改善,有利于提高输出结果的正确性。因此本文采用数据质量筛选法和时间相关法对原始数据进行筛选和修复,为之后的分级标准和评价模型提供完整优质的数据。半监督学习是机器学习领域中一个新的研究热点,本文将半监督聚类的算法应用于对服务水平分级的研究中,通过专家打分的方法,生成用于初始化算法的种子聚类,然后进行辅助聚类过程,检测未知数据,进行服务水平等级的划分。在建立好北京市快速路服务水平的分级标准之后,采取了BP神经网络的服务水平评价方法。首先运用MATLAB软件进行神经网络的创建,其次选取较成熟的路段作为样本,对BP神经网络进行训练,之后运用训练好的网络进行了实例评价。通过与模糊推理系统FIS评价模型的结果对比,更进一步提高了评价的准确性。最后将实例评价的路段再次通过专家打分的方法,验证其分级标准的合理性。通过使用交通流三参数中的时间平均速度、时间占有率和流率这三个评价指标进行北京市快速路服务水平的分级与评价,有助于掌握道路交通状况及其变化规律,为交通规划管理起到了决策性的作用。