近年来,高速公路通车里程和车流量持续增加,高速公路交通安全压力与日俱增。且高速公路由于速度快、车辆构成复杂等特点,导致事故发生时其人员伤亡和财产损失相对于其他路段（如城市道路）更为严重。深入探究高速公路交通事故的主要影响因素,制定安全、高效的事故预防措施是非常必要的。在相关研究中,高速公路交通事故的严重程度包括人员伤亡和路产损失,目前针对人员伤亡研究较多,而对于事故造成的路产损失研究较少,且多数研究GDP等宏观因素的影响,很少从造成事故的具体原因角度去研究。路产是高速公路的重要组成部分,事故对高速公路附属设施造成的损坏,会在不同程度上影响高速公路的正常运行,降低其使用寿命和使用质量。因此,在研究事故严重程度的过程中,一方面要分析事故造成的人员伤亡严重程度的影响因素,为找出针对性的预防措施提供依据,另一方面,也应考虑事故影响因素与事故造成的路产损失之间的关系,为合理估计损失,进而根据损失程度判别事故预防措施的优先顺序、紧迫程度以及交通安全工作的侧重点等提供更多的决策支持。在研究方法上,传统的统计回归模型能够清晰地解析各影响因素对事故严重程度的影响,挖掘空间相关性对事故严重程度的影响,量化各影响因素对各类别事故发生概率的影响,但往往假设条件过于严格,并且无法得到影响因素的重要度排序。机器学习模型对变量没有严格的假设,缺陷是模型可解释性差,SHAP方法的出现解决了对机器学习模型的输出进行解释的问题。XGBoost-SHAP value将XGBoost方法与SHAP方法结合,可得到各类别事故中各因素的重要性排序以及各影响因素对各类别事故的影响方向,从而弥补传统统计回归模型的缺陷。同时采用统计回归和机器学习方法,从多个角度对高速公路交通事故影响因素进行分析,能使研究结果更为全面深入,为实际工作提供更多的依据。基于上述背景,本研究首先以广深沿江高速东莞段为例,考虑事故间的空间相关性和单个事故的空间影响范围,建立基于不同空间距离阈值的空间广义有序Probit模型,获得该路段交通事故人员伤亡程度和路产损失程度的影响因素和影响程度;同时也使用XGBoost-SHAP value对广深沿江高速公路东莞段事故的人员伤亡程度和高速公路事故路产损失程度的影响因素进行研究,获得影响因素的重要性排序和影响方向;最后通过对两种方法的结果进行综合分析,对影响因素进行总结,提出高速公路交通事故预防措施的改进思路。研究结果表明,该案例中事故间存在空间关联;无论是人员伤亡程度还是路产损失的影响因素研究方面,空间广义有序Probit模型表现都优于不考虑空间关联的广义有序Probit模型。其中,人员伤亡程度方面,基于250米关联距离阈值的空间广义有序Probit模型表现最优;单车事故、本省车、客车、货车、重型牵引车、周末、夏季、曲率、桥梁对事故人员伤亡严重程度有重要影响;不同类别事故的主要影响因素及影响因素排序存在差异;事故发生季节、事故发生时段、事故发生时天气、涉事车辆类型等因素的重要性排序在无伤亡事故和轻伤事故中基本一致,而与重伤亡事故存在较大差异,在重伤亡事故中最重要的影响因素是货车。路产损失方面,基于200米关联距离阈值的空间广义有序Probit模型表现最优;单车事故、客车、货车、重型牵引车、晚上、凌晨、阴天、雨天、坡度、桥梁对事故造成的路产损失有重要影响;无路损事故、轻微路损事故和一般路损事故的主要影响因素和影响因素重要性排序存在差异,一般路损事故最重要影响因素为桥梁。