近年来随着社会经济的迅猛发展，交通需求也随之剧增，这就破坏了车辆道路系统的协调性，出现了大量严重的交通事故，对人们的生命财产造成了巨大的威胁。如何有效的解决道路交通安全问题引起了国际社会的广泛关注。通过对交通事故的大量深入分析研究，发现大部分交通事故是由于恶劣的道路交通条件和粗心的管理所造成的。因此，道路交通状况对产生交通事故的影响应该引起区域路网使用者和管理者的充分重视，对相应的路段提前采取积极的防范措施，减轻消除交通事故的影响。　　改善道路交通安全状况最重要、最关键的一步就是鉴别道路交通事故多发点，本文采用遗传算法优化BP神经网络与粗糙集理论相结合的方法建立交通事故多发点预测模型，首先分析天津市津围公路的交通事故统计数据，通过GA-BP神经网络算法建立静态单元，主要考虑静态道路状况，分析得出道路的事故多发点样本。进一步考虑实时动态道路交通环境条件的影响，并利用粗糙集理论建立有效的交通道路事故多发点预测模型，两种理论的有机结合，减少糙杂繁冗的数据量，降低伪报警率，提高事故多发点的预报精度，并通过实例进行实证分析。　　本文针对干线公路网交通事故预警中遇到的问题和困难，开展道路交通事件自动检测、道路交通事故多发点探测、道路交通事故预警技术的分析研究，意旨改善道路交通事件检测模型的检测效果，提高道路交通事故多发点探测模型的准确性，并通过建立交通事故预警模型向道路交通参与者及时、准确地提供预警信息，从而减轻交通拥挤，减少交通事故，使区域干线公路保持通畅，增强区域公路网对经济的促进作用。