交警“铁骑”作为大数据技术与交通管理业务相结合的新型现代警务模式,是公安交管立体防控体系建设的有益探索,在实现交警交通管理机动快速响应等方面具有重要作用。但目前“铁骑”调度一般仍依赖于经验决策,缺乏科学合理调度方法是当前“铁骑”模式有效运行并全面推广面临的一个难题之一。以交通事故数据为导向,驱动“铁骑”队调度优化是解决该问题的有效途径。首先,提出基于微信小程序的新型城市道路交通事故数据采集方式,根据采集的原始数据进行清洗和坐标转换,为事故黑点识别提供数据支持;以聚类算法作为事故黑点识别手段,运用常见四种聚类算法对事故黑点进行识别,结果表明:相比其他算法K-means聚类算法在收敛速度、识别精度方面具有一定优越性。其次,明确铁骑常态化巡逻的目标和基本原则,将其分为巡逻初始研究和巡逻路径优化两方面进行研究;在初始配置中,以巡逻铁骑人数最少为目标函数,以覆盖率为约束条件建立铁骑巡逻初始配置模型,采用改进遗传算法对模型进行求解;在明确铁骑巡逻人数及初始巡逻位置后,建立铁骑基于事故黑点优先访问的巡逻路径规划模型,并采用Q-learning算法实现,最后以事故黑点到达率、事故黑点全局平均空闲时间、铁骑平均工作负荷度为评价指标对铁骑巡逻路径方案进行评价。然后,针对铁骑巡逻过程中发生应急事故处置情况,摒弃铁骑“就近处理”的模式,以整体道路损失值、事故处理响应时间最小为目标函数,建立铁骑资源受限条件下考虑事故优先级的事故处理调度模型。针对粒子群算法解决应急调度问题的局限性,提出遗传粒子群算法对模型进行求解,结果表明:与传统事故处理模式相比,该模式可有效降低道路交通事故对环境的损伤。最后,以宁波市鄞州区铁骑中队为例对上述模型进行实例验证,验证了模型的有效性和可行性,分别给出铁骑常态化巡逻在不同覆盖率要求下的人数配置及巡逻路线调度方案以及铁骑应急事故处理的最佳调度方案。该研究将为实现现代警力资源调度由“传统研判、事后预防”向“多维量化、前置预警”模式的转变提供理论依据,对于“交通事故数据驱动、研判先导、网格作战、前置预防”的新模式具有重要借鉴意义。