近些年,随着社会经济的飞速发展和人民对生活质量要求的不断提高,汽车保有量随之呈“井喷”式增长,这给人们的出行带来方便舒适的同时也带来了一系列交通安全问题。面对交通事故造成生命及财产严重损失的趋势,跟随大数据时代的步伐,构建一个道路交通安全态势研判专家系统,使其能够在海量数据充分挖掘的基础上建立全面反映当前道路交通安全态势的指标体系及选择合适的评价方法,客观评价当前道路存在的问题,提出改善措施,减少交通事故的发生次数、减轻交通事故的严重程度势在必行。论文在分析国内外数据挖掘技术、交通安全工程理论和人工智能三者相结合的研究及其应用现状基础上,以山东省公安厅交通管理局的横向课题为背景,应用多学科知识交叉融合来研究基于交管大数据的交通安全态势研判专家系统。首先,收集交通事故数据、交通违法数据、交通流数据、机动车管理数据、机动车驾驶人数据、气象数据等多源数据,挖掘影响交通安全的具体因素。其次,在公安交通管理大数据分析与挖掘的基础上,建立专家系统的知识库。知识库涉及通过分析“人-车-路-环境”多方面因素,根据指标选取原则,构建分层次多指标的交通安全评价指标体系,通过层析分析法-熵值法确定不同指标的权重大小问题,将可拓理论与云模型相结合,把定性评价转化为定量评价,完成对一些边界不确定、不易定量的因素的定量处理,从而达到对道路安全等级动态评价的目的。通过构建灰色马尔科夫预测模型根据历年各指标数据预测将来各指标值,将各预测值作为可拓云模型的待评物元,能够达到对道路安全等级预测的目的。评价方法和预测指标值的计算过程作为专家系统的推理过程。整个专家系统基于Python语言开发,通过对整个专家系统的需求分析、总体设计、详细设计、各功能模块的实现,完成专家系统的开发,使系统在一定范围内达到人类专家水平,实现“脑力专家劳动”的“旧动能”向“人工智能”的“新动能”转换。