道路交通事故是世界性公害之一,每年给人类造成严重的生命和财产损失。在世界范围内,道路交通事故最多的国家之中就有我国。万车死亡率和10万人死亡率也一直高于世界平均水平。据统计,我国机动车保有量于2009年底已经突破1.86亿辆,汽车保有量达到了7619万辆。中国机动车保有量约占世界的8%,但交通事故死亡人数却占世界的16%,已成为严重的社会问题之一。道路交通事故预测是道路交通安全研究的重要内容之一,它对于探究道路交通事故的发生规律,分析现有道路交通条件下交通事故的未来发展趋势,对于道路交通安全的规划、决策具有重要的现实意义。本文首先从国内外道路交通概况入手,以时间为主轴,对其进行梳理总结；从人(驾驶员、乘客、行人)、车辆原因、环境因素、道路四个方面对造成道路交通事故的原因进行了详细的分析；论述了国内外常见的道路交通事故预测方法对比分析了各自的优缺点；另外,由于道路交通事故与其致因之间呈现多因素、复杂的非线性关系的特点难以用函数模型来描述。而神经网络解决复杂非线性问题有很大的优势,具有分布式存储信息、平行学习能力、非线性、较好的容错性等特点,由此提出了采用BP神经网络模型进行道路交通事故的预测。首先分析了影响道路交通事故的诸多因素并进行了归一化处理,通过关联度分析选定对道路交通事故影响较大的几个因素作为神经网络输入层信号。BP网络模型利用输入和输出向量建立模型并训练网络。由于BP网络模型的实现需要借助于计算机编程语言的实现难度比较大,而MATLAB软件强大的功能使得这一问题得到解决。通过调用MATLAB神经网络工具箱中的函数建立模型,本文详细介绍了BP网络模型建立的过程。最后通过实际数据验证证明了该模型可以用于道路交通事故预测。