由于交通事故频发，深入分析其影响因素并揭示影响机理成为当前交通安全研究工作重点之一。然而传统分析方法难以实现面对海量事故数据，深层次探索多维影响因素之间潜在关联规律。另一方面，随着交通规划层面的要素逐渐被纳入事故安全分析的范畴，出现了基于交通小区的影响因素分析方法，但受诸多不确定因素影响，事故在空间上存在自相关性，如果忽略这种空间相关，将会影响事故安全分析的准确性和鲁棒性。因此，本文基于关联规则和空间自相关对事故影响因素进行研究。基于关联规则的事故影响因素分析，旨在挖掘影响因素之间潜在关联规律，深入剖析事故致因，为事故预防提供参考。基于空间自相关对事故影响因素建模研究，旨在考虑事故空间自相关性，识别影响事故频率的关键宏观规划因素，为交通安全规划提供决策依据。论文主要工作如下:
　　(1)基于数理统计方法探索交通事故的分布规律和特征，并对事故相关影响因素进行初步分析。首先从时空角度分析了事故分布规律，其次从事故等级、形态和原因角度分析了事故总体特征，最后基于事故数据从人员、车辆、道路和环境四个方面对事故影响因素进行了初步分析。
　　(2)基于关联规则挖掘分析事故影响因素之间关联关系。首先提出了基于多维数据模型的事故影响因素关联规则挖掘思路，并采用OLAP(Online Analytical Processing)技术构建了适用于事故影响因素关联规则挖掘的星型多维数据模型。然后基于项头表结构和FP-Tree剪枝策略对FP-Growth算法进行了优化，并利用改进FP-Growth算法分别对事故全因素之间、单维和事故维因素之间关联规则进行挖掘分析，最后基于挖掘结果提出了相关事故预防建议。
　　(3)考虑空间自相关对事故影响因素进行建模分析。首先通过全局Moran指数检验发现研究区域交通事故在空间分布上显著自相关，因此，在负二项回归模型基础上引入贝叶斯CAR(Conditional Autoregressive)残差项构建了考虑空间自相关的事故影响因素分析模型。实证表明，主干道密度和四路交叉口密度是导致研究区域交通事故风险增加的关键因素。