由于我国在经济方面发展十分迅速,随之机动化水平也越来越高,伴随着事故发生也越来越频繁,使我们的生命安全和财产安全都受到了极大的影响。因此,众多学者长期以来一直在研究道路交通事故,探究各方面的因素对交通事故的影响,以研究内在规律来提供行之有效的方法来预防交通事故。对交通事故预测的研究,除了数理统计的方法,最常用的就是数学建模。而如何选择适合交通事故这种呈现不确定性和非线性的复杂问题的建模方法,是国内外研究人员一直以来探究的方向。本文采用基于BP神经网络的方法建立数学模型,考虑到BP神经网络自身的优点,并且可以和其他方法有效结合,共同建立一个适用性良好的预测模型。本文提出基于BP神经网络不同算法的预测模型来预测事故严重程度,并验证了基于遗传算法的BP神经网络模型更适用于分析交通事故的致因与严重程度的复杂关系。首先,本文学习了BP神经网络基本原理以及学习过程等,了解了遗传算法是如何结合BP神经网络进行建模的;其次,选取了8个省从2011年至2019年共4958例有效道路交通事故案例,研究并建立道路交通事故的严重程度预测模型;在分析了交通事故与人、车、路、环境等因素关系的基础上,基于数据综合考虑了影响道路交通事故的19个因素,并通过one-hot将编码后的逻辑变量作为输入变量,基于所给数据将轻微事故、一般事故、重大事故和特大事故这四类道路交通事故等级作为输出变量,并利用SPSSAU软件对各因素变量与严重程度类型之间进行了相关关系的分析;然后,基于MATLAB编程用2011年至2018年4182个的道路交通事故数据来训练建立没有遗传算法优化的BP神经网络预测模型和遗传算法优化的BP神经网络预测模型;最后,利用2019年776个道路交通的事故数据进行预测,对比两种模型的预测结果。结果证明,两种预测模型能够进行准确有效的预测,且遗传算法优化的BP网络,它的预测更精确。运用模型对事故严重程度进行预测,可以提前对事故进行预防,或者事故发生后降低伤害。