随着机动车保有量的不断增长,道路交通安全问题也日益突出,世界各国都非常重视并长期致力于降低道路交通事故数量或事故中人员与财产损失。道路交通事故的发生与交通系统中人、车、路、环境等多方因素的影响密不可分。交通环境因素作为外因,驾驶员行为因素作为内因,两者耦合失调导致了交通事故的发生。道路交通事故历史数据直接反映了事故发生过程中,各影响因素之间的作用关系,运用数据挖掘的方法深入研究潜在的规律与事故机理,为交通安全管理与驾驶安全教育提供了理论支持。本文以道路交通事故影响因素序列模式与事故严重程度预测为研究重点,讨论了对事故有显著影响的因素及其影响模式。首先通过分析道路交通事故数据特点,发现事故发生的过程中各影响因素根据时间先后顺序形成序列,对事故产生综合的影响,确定使用序列模式数据挖掘方法,研究交通环境因素与驾驶员行为因素两方面因素对事故影响的高频序列模式,并提出了更适合本研究的考虑了比例与权重因素的序列模式频繁度指标。其次,为了对以受伤程度为代表的事故严重程度进行定性预测,使用CHAID决策树方法对多分类的影响因素建立了预测模型,研究容易造成严重伤害交通事故的影响因素。交通环境因素序列模式挖掘得到了涉及大气条件、区域人口规模、照明情况等影响因素与碰撞形式和最大受伤程度表征的事故结果的高频序列模式,揭示了各因素对事故结果的综合影响模式。研究表明“雨天”与“夜晚(无照明)”是最容易导致严重伤害事故的因素。驾驶员行为相关因素序列模式挖掘同样得到了涉及驾驶员年龄性别、碰撞前行为、碰撞前特殊事件等因素与碰撞类型和受伤程度表征的事故结果的高频序列模式。各高频序列模式可作为当前交通因素下,对事故结果的定性预测。两类影响因素的序列模式研究对道路交通事故形成机理的分析与驾驶安全教育具有很好的参考价值。对两类因素分别建立了决策树模型来预测事故严重程度。发现碰撞类型是对事故严重程度影响最大的因素。决策树模型与序列模式得到了相似的结论,同样表明两类因素中“雨天”、“夜晚”、“与对向机动车碰撞”和“变换车道碰撞”最容易造成严重道路交通事故。