随着化学工业的迅速发展,危险货物的生产数量不断增多,对危险货物的需求量也随之增大,因此,我国的危险品运输事故时有发生,事故后果严重,对道路交通安全造成了威胁,然而现有研究大多集中在表面的数据统计方面,为了改善这种局面,本文对危险货物道路运输领域的事故文本进行了分析,该研究对提高危险货物道路运输安全水平、减少事故发生率具有重要意义。本文的主要研究内容如下:（1）设计数据采集模块及城市天气服务系统,建立危险货物运输事故数据库,采集了2016-2021年的1247条数据,提取数据库中的文本数据,清洗事故数据。以语料库为基础,建立危险货物专用词典,利用Jieba库进行文本分词,提取语料库中文本特征,筛选文本关键词,对危险货物运输事故进行影响因素分析。（2）采用PMI点互信息方法挖掘事故文本中的频繁共现词,将共现词挖掘结果可视化,在基于PMI改进的BTM模型基础上进行主题挖掘,利用主题一致性、困惑度确定最优主题个数范围,通过py LDAvis主题可视化的方式确定最优主题个数,最终提取出7个致因主题和3个事故发生方式主题,将主题划分为主动致因、被动致因以及事故发生方式三类,主动致因,包括驾驶行为不当、安全意识淡薄、驾驶资质以及管理不到位,这四类主题共占比40.82%。被动致因,包括车辆硬件损坏、恶劣天气、外在交通环境,这三类主题共占比32.43%。事故发生方式包括车辆自燃、追尾事故、单方事故三种,占比为26.75%。（3）构建事故致因本体,将其映射为贝叶斯网络,利用本体-贝叶斯网络进行影响因素评价,将致因主题和事故时间、风力、天气等事故指标作为一级子类,七个致因主题下还包含了若干个二级子类,使用对象属性描述子类与子类之间的关系,构建实例将抽象的类具象化,形成事故致因本体模型。对本体-贝叶斯模型进行事故概率推理,分别探究在不同等级事故发生的情况下,各个父节点的概率大小;其次以七个致因主题为父节点,事故类型为目标节点,推测抽象致因主题对事故类型的影响程度,推理结果表明,在三种类型的事故中,各个致因主题的后验概率之和大于1,说明每个主题不是单独作用的,各个主题节点耦合作用、相互联系,诱发运输事故;最后进行敏感性分析,以七个致因主题节点为目标节点,从而将整个贝叶斯网络划分为七个子贝叶斯网络,分别分析在轻微事故、一般事故、严重事故发生时,每个致因主题下最敏感的影响因素,为危险货物道路运输提供建设性意见。