交通事故严重威胁着人们的生命财产安全,已经成为阻碍人类社会发展的一个不可忽视的因素。研究交通事故发生的规律,尤其是死亡事故和受伤事故的影响因素,提出更有针对性的防范措施,对于提高道路交通安全管理水平具有十分重要的意义。本文分别从宏观和微观的角度研究了交通事故严重程度的影响因素及其相互关系,为交通安全管理部门制定相关政策提供参考。在宏观层面,采用全国31个省市2004-2015年的数据进行分析,分别构建了交通事故数、交通事故受伤人数、交通事故死亡人数的面板数据模型。结果显示,万人公路里程、城镇人口公共交通车辆拥有量、每公里城市道路照明灯数量和每万人医疗卫生机构数的增加可以降低交通事故数以及严重程度,而人均城市道路面积和文盲率的增加则会增加交通事故的数量以及严重程度。同时,针对交通事故死亡人数面板数据模型拟合度较低的问题,本文进一步建立了空间滞后固定效应面板数据模型,结果表明考虑空间相关性可以有效提高模型的拟合度。微观层面,为了研究人、车、路、环境等交通要素对于交通事故的影响以及这些要素之间的相互关系,本文首先采用有序Logistic模型和有序Probit模型对交通事故数据进行分析,将变量之间的二阶交互项纳入模型中挖掘影响因素之间的相互关系。同时,加入交互项也提高了模型的拟合度和准确率,但模型结构较为复杂。因此,本文进一步采用贝叶斯网络模型对交通事故影响因素之间的相互关系进行研究。分别采用树形朴素贝叶斯分类器和马尔科夫毯贝叶斯分类器构建贝叶斯网络。结果表明,树形朴素贝叶斯网络模型的预测结果准确率略高,且模型的结构相对简单,学习模型结构所耗时间较短,适用于对交通事故严重程度的预测分析;马尔科夫毯贝叶斯网络模型的结构相对复杂,但是可以充分挖掘变量之间的相互关系,更适用于分析交通事故严重程度影响因素之间的作用机理。