随着现代技术发展的越来越快,人们的生活变得更加舒适便捷,交通工具己经成为了人们的生活出行的必需品。现如今由于汽车数量的增加、道路情况的日益复杂等环境问题的日益严重,造成了城市道路交通拥堵,交通事故的发生日益频繁,严重威胁了人民的生命财产安全,保证汽车安全驾驶己经成为亟待解决的重大任务。随着各个国家对辅助驾驶的研发技术越来越重视,而预防车辆发生碰撞事故又作为辅助驾驶研究中的重要类别之一,因此,车辆碰撞预测研究也逐渐引起一些相关领域科研人员的关注。在车辆驾驶过程中,影响车辆发生碰撞的原因很多,通常为这四个较大的因素:人、车、路和环境,由这四大因素引发的车辆碰撞事故具有突发性和随机性的特点。本文的主要研究内容为将驾驶员信息、车辆信息、道路信息和环境信息作为影响车辆碰撞发生的因素,通过建模分析预测驾驶车辆发生碰撞事故的可能性,以及判定会发生碰撞事故的等级类别。将研究内容分为以下两个部分来实现:第一部分主要研究内容为:通过相关领域研究者对影响车辆碰撞事故发生因素的分析和研究,本文最终将光照条件、天气状况、道路表面等15个因素作为车辆碰撞风险预测的主要特征,并使用皮尔逊相关性分析方法分析了各特征和目标之间的相关联度,最后使用Autoencoder模型,并结合softmax分类器对车辆会发生碰撞风险的可能性进行预测。实验结果显示本文使用的碰撞因子通过本文实验模型检测出的车辆碰撞风险准确率达到了93.12%,其中,相关性分析结果显示道路表面状况、速度限制以及交叉口细节有较高的相关联度,所以建议道路安全部门对这三个因素也加强防控,从而达到降低车辆发生碰撞事件的风险度。第二部分主要研究内容为在第一部分研究内容的基础上,通过道路交通事故等级划分标准的内容添加了伤亡人数、伤亡类别、伤亡严重程度以及伤亡类型四个属性,采用K-近邻、支持向量机、BP神经网络、逻辑回归、随机森林和决策树六个分类器共同对车辆碰撞等级进行预测。由于碰撞等级类别数量不均衡,本文利用了SMOTE算法对数据进行随机过采样操作,解决了数据类别不均衡的问题。实验结果显示,随机森林分类器的分类效果最好,最后对碰撞事故车辆的不同碰撞等级给予不同的相应的防范措施。本文研究的主要目的是对交通事故中的车辆碰撞事故的风险和风险等级进行预测研究,从而达到降低或减少车辆驾驶风险事故带来的人员伤亡和经济损失的目的,为智能交通及车辆辅助驾驶做出一些贡献。