高速公路几何线形条件是交通事故发生的重要客观原因之一，尤其是山岭区和重丘区高速公路。论文结合实际科研项目，以几何线形与事故指标的关系分析为切入点，对影响交通事故的突出线形条件识别、基于突出线形指标的事故总量预测模型及伤亡人数预测模型开展了研究工作。论文选择京珠高速公路粤北段、粤赣高速公路广东省境内段及开阳高速公路作为山岭区、重丘区及平原区高速公路的代表。首先，基于几何线形条件采用不定长的方式对基本路段进行了划分，确定出了路段单元，这是开展论文研究的基础样本路段。其次，依据收费站进出口流量数据，应用线路OD反推技术确定了路段单元的交通流量（AADT）数据。然后对收集到的每起事故数据通过里程桩号确定了其归属的路段单元，进而建立了事故与路段单元线形条件的关联关系。最后，为了统筹管理上述基础数据，方便数据的检索和统计分析，构建了事故、线形及关联因素数据库。针对事故预测模型中的自变量选择问题，应用BP神经网络与敏感性分析相结合的方法，确定出了道路纵坡、平曲线半径及直线长度三个对山岭区及重丘区高速公路事故发生有突出影响的线形条件，平原区线形条件对事故发生的影响较小，主要取决于交通流量。通过分析山岭区及重丘区线形指标与事故率的关系发现，道路纵坡、直线长度与事故率均呈二次相关关系，而平曲线半径与事故率之间呈负相关关系。在突出线形指标选择的基础上，首先以AADT为自变量建立了在理想线形条件下的事故总量即事故率预测模型，然后确定突出线形指标对事故预测结果的修正系数，进而形成完整的事故预测体系。对于平原区高速公路，由于线形指标对事故发生的影响很小，事故预测无需进行线形条件修正。模型应用结果表明，该模型体系可以对路段单元进行事故预测，事故总量预测值与实际值的相对误差在-7.87%~4.90%之间。为了更加全面地评价高速公路的交通安全特性，在事故总量预测的基础上还应考虑事故严重程度。本文选取了路段单元的受伤人数和死亡人数为严重程度判别指标。预测过程中非零样本点少，为使模型的选择更趋科学性，以Vuong统计量、NB分布过离散参数α的t统计量、AIC、BIC等作为判别指标，分别选择NB、ZIP-Logit、ZINP-Probit等Poisson系列模型进行回归分析，预测各路段的事故受伤及死亡人数。伤亡人数预测结果总体精度较高，误差在-0.2%~7.58%之间。