进入21世纪以来,随着我国经济社会与交通运输现代化协调发展,高速公路这种现代化交通基础设施规模不断增长,总里程已超过16万公里,居世界第一。另外,随着人民收入及物质生活水平不断提高,城乡居民家庭小汽车拥有率也大幅提升,2020年每百户家用汽车拥有量已达到37.1辆。高速公路网络日渐完善的同时车流量也呈稳步增长态势,其中最不容忽视的问题便是交通安全问题。研究表明,高速公路交通事故与事故发生前的交通安全状态相关度极高,因此研究高速公路交通安全状态对事故预防和安全管理具有重要意义。论文以交通安全状态影响因素为出发点构建高速公路交通安全状态的特征选择、判别及评估体系,主要研究内容包括:（1）参照交通数据采集技术和标准获取研究案例所需的高速公路样本数据,包含交通流、交通事故以及气象数据,然后对数据进行质量分析和评估,并采用病例对照研究方法进行数据匹配。（2）研究并改进了Laplacian Score特征评分算法和随机森林特征重要度计算方法,并进一步以集成学习的思想设计了高速公路交通安全状态集成特征选择算法,以此获取具体路段的个性化特征排名,从而选择与自身关联度最强的特征子集。研究表明,集成特征选择算法具有更高的稳定性及分类准确率。（3）以集成特征选择算法为基础,论文设计了基于IFCM的增量学习算法,以此进行模糊聚类分析得到高速公路的多种交通安全状态,采用贝叶斯条件Logistic回归方法对已识别的交通安全状态进行风险评估,以马尔科夫蒙特卡罗方法进行抽样实验,最后得到各个交通安全状态的风险等级。（4）以美国10号州际高速公路某个路段为案例进行研究得出影响交通安全状态的5个特征,然后基于所获取的数据识别出7个交通安全状态并得到相应的风险等级排名,从而可以提升该公路安全系统的事故预警能力,增强相关管理人员对该路段风险的识别能力,由被动变为主动,及时采取措施改变目前的交通安全状态,提高高速公路安全水平。图27幅,表34个,参考文献85篇。