公路运输在五种交通运输方式中普及率最高,且每年承担的交通客、货运输量都占总体的70%以上,而高速公路作为公路体系中重要的组成部分,大都承担着长距离、大运量的城际运输功能。伴随着我国高速公路建设日益完善,我国高速公路里程数早已位列世界第一,且机动车与驾驶员的数量也在飞速增长,高速公路的使用者越来越多,公路安全问题也一直有增无减。考虑到高速公路的车速高,道路线形复杂,存在众多的长下坡、急转弯等隐患路段,发生事故后所造成的危害巨大,况且我国对高速公路的建设重心已经从量转移到了质上。因此,高速公路的安全改善工作迫在眉睫,在如今的数据时代,历史交通事故数据无疑是研究安全问题的重要切入点。本文以2012年～2017年江西省泰赣高速和昌金高速的交通事故为研究对象,首先探讨了单因素与高速公路事故严重程度的相关性。将变量按不同类型来分析,采用经典的统计相关性指标与较新的最大信息系数MIC,并将其结果进行对比,初步筛选出了与交通事故严重程度相关的变量。在经过单因素分析所筛选过后的变量基础上,探索高速公路多因素的关联规则。采用频繁项挖掘的Apriori算法,根据高速公路交通事故数据的特点,将数据与算法进行适配,并根据数据合理设置算法参数。通过挖掘到的强关联规则来分析不同严重程度下的事故规律。结合Apriori算法与复杂网络理论来实现高速公路交通事故因素网络的搭建与分析,并从网络整体与网络节点两个层面来分析,更深一步挖掘数据的潜在信息。最后根据本文的数据分析结果,对高速公路事故预防与事故发生后的应急提出相应的措施。