道路交通安全预测是道路交通安全研究的一项重要内容,它的目的是为了掌握交通事故的未来发展状况,以便及时采取相应的对策;为制定合理的交通安全管理目标提供依据。道路交通系统的非线性、随机性、动态性以及不确定性特点,决定了作为道路交通系统行为特征量的道路交通事故的预测的复杂性,在分析现有道路交通安全预测模型和方法的基础上,论文研究了基于BP神经网络的道路交通安全预测方法。论文的主要工作及结论如下:1.介绍了国内外道路交通安全的现状,描述了道路交通安全严峻形式的研究背景。2.对道路交通事故的成因分别从人、车、路、环境几方面进行了统计分析,阐述了影响交通安全的各种因素与交通安全的关系,为道路交通安全预测模型的建立奠定了基础。3.通过对不同道路交通安全度量化指标(模型的最终输出变量)的分析,确定本论文使用的安全度量化指标(模型的最终输出变量)是道路交通安全综合死亡率;用灰色关联度理论对影响因素指标进行分析,确定9个与道路交通安全综合死亡率相关度较高的指标作为最终的道路交通安全预测模型的影响因素指标。构建数学模型,确定利用BP神经网络对道路交通安全进行预测。4.基于BP神经网络应用于预测的原理,提出了预测研究步骤,探讨建立基于神经网络的预测模型的关键技术,包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权和阈值的选取、激活函数、训练算法与参数的选取。5.以1989-2004年我国道路交通的相关数据为实例样本,通过道路交通安全预测实例验证,证明该方法在一定误差范围内揭示了道路交通安全与其影响因素之间的关系,可用于未来道路交通安全的预测中。