交通安全一直是交通运输行业的重点关注问题，因为交通事故会造成人力，经济和社会方面的巨大损失，特别是伤害较大或致命的交通事故影响更大，相关研究人员也一直在为改善交通安全做出努力。在交通安全研究的各个方面，交通伤害严重程度分析是一个关键部分，因为它揭示了事故严重程度与各种解释变量之间的关系。而隧道作为公路上事故多发区段，近些年来重大事故频发，且隧道内部救援相对开放性道路更加困难。因此，对隧道交通事故进行深入的研究，探析各因素与事故严重程度的关系，对保障隧道内的行车安全有很大意义。
　　本文通过对挪威公开数据中心（NVDB）中的隧道事故数据进行特征分析，并基于特征分析的结果建立了隧道事故严重程度预测指标体系，选取了隧道长度、年平均日交通量等十个指标作为预测模型的输入变量。选取隧道事故严重程度等级作为预测模型的输出变量。构建了基于改进 PSO-BP 神经网络的隧道交通事故严重程度预测模型。借助MATLAB软件，对经过了筛选之后的样本数据进行训练和测试，并将改进后的模型与改进前的模型预测进行对比分析，发现相较于传统的标准的 BP 模型，优化后的模型性能更好，预测的准确度更高。