随着计算机、信息及控制等高新技术的发展和应用,道路交通安全研究也正朝智能化、数字化和系统化方向发展。利用智能运输系统提供的实时交通数据等,确定潜在的、将要发生的交通事故,并采取相关措施阻止其发生,对提高整个道路运输系统的安全性、畅通性和道路交通运输的经济效益和社会效益有着重要的现实意义。传统的道路交通事故预测运用长期的历史数据研究交通事故同环境(道路几何条件、天气)、交通流特性、车辆特性、驾驶员特性4个因素之间的关系或者是交通事故的发展趋势,不能反映出交通事故的发生与实时交通特性的关系。近几年发展起来的基于实时交通数据的交通事故预测恰恰可以做到这一点。本文从交通事故实时预测整体框架设计和基于实时交通数据的交通事故预测方法两方面进行研究。本文在阐述导致交通事故发生的4种因素基础上,分析了交通事故实时预测的数据流程,给出了交通事故实时预测体系框架,该系统由各检测监控系统、危险状态识别系统和信息发布系统三部分构成。在基于实时交通数据的交通事故预测方法方面,本文给出了事故前兆特征变量的确定原则及两种交通状况可分性判据标准,提出了基于欧氏距离的类间平均距离可分性判据和使两种交通状况事故特征变量之差平方和最大的计算时间片断确定方法。本文利用TSIS软件获得了干燥路面下的50次交通事故以及相应的交通数据。通过运用C-均值聚类分析、基于最小错误率的贝叶斯方法和k-近邻方法,对正常交通状况和危险交通状况进行了辨别,并对辨别结果进行了分析。