随着高速公路的迅速发展,高速公路安全问题受到了政府及社会各界的普遍关注。山区高速公路经由的地形及道路线形均十分复杂,安全问题也日益突出。论文在综合分析山区高速公路交通事故资料、交通流量及道路设计资料的基础上,应用神经网络技术、模糊聚类分析技术及统计学相关理论等,对山区高速公路事故多发点鉴别及其成因分析开展了研究工作。具体内容包括交通安全综合评价指标的选取、山区高速公路事故多发点鉴别模型、多发点事故成因分析方法等三个方面。首先,选取了山区高速公路交通安全综合评价指标。充分考虑影响交通安全的因素,结合交通部及广东省交通厅项目所收集的资料,通过山区高速公路与平原区高速公路交通安全状况的对比分析,为山区高速公路事故多发点鉴别模型及其成因分析方法提供了综合评价指标。其次,建立了基于BP神经网络的山区高速公路事故多发点鉴别模型。综合分析国内外对事故多发点的界定,确定了山区高速公路事故多发点的定义。归纳、总结了各种事故多发点鉴别方法的优缺点及适用条件,进而描述了事故多发点鉴别本质。在此基础上,结合综合评价指标及山区高速公路样本数据,建立了基于BP神经网络的山区高速公路事故多发点鉴别模型,并通过归一化后的测试及训练样本,结合误差分析,标定了模型。提出了基于聚类分析技术的事故多发点成因分析方法。针对事故多发点的突出事故诱导因素问题,提出了基于动态模糊聚类的多发点成因分析方法,该方法能将众多的事故诱导因素聚类为从主要原因到隐患原因等四个类别,并能确定事故改善先后顺序。多发点鉴别及其成因分析均利用Matlab编程实现。最后,结合京珠高速公路粤北段相关数据,对建立或提出的事故多发点鉴别模型及成因分析方法进行了案例分析。