近年来，道路交通拥堵和事故发生日渐频繁，给公众的财产及人身安全带来了隐患，影响了社会的安定。研究道路交通事故发生背景条件，以及事故多发路段缘由，作必要的预测预警。这在道路交通安全领域具有十分重要的理论价值及现实意义。　　论文依托科技厅示范工程项目《基于公路交通传感网信息检测·挖掘·汇聚·发布与辅助决策系统示范》，在研究国内外道路安全状况的基础上，比较分析了交通事故预测研究方法和模型，并进一步研究路况监测视频信息处理相关技术，提出了一种新型道路交通事故预测方法:通过视频相似度计算，获得相似视频集的共有属性信息，分析出事故发生的一般特征，包括多发时间、多发天气条件、多发车辆类型、多发路段等，以实现宏观意义上的道路交通事故预测，为道路安全管理增加经验手段。　　针对视频结点的相似度计算问题，论文比较分析了传统的属性相似和关系相似两种方法，对传统相似度计算方法SimRank进行了优化，得到相似度计算方法ObjectSim，该算法将提取的视频属性结点封装为一般结点类型，利用加权法则区分影响度，并应用对称随机游走算法进行整个关系网图的计算。通过构建视频相似度事故预测模型以及对其相应网络模型的分析，为事故预测研究奠定了扎实的理论基础。　　针对视频相似度计算的道路交通事故预测应用，在道路事故视频采集的前提下，可进一步应用机器学习、人工智能、数据挖掘等技术分析处理视频数据，提取视频有用价值信息，计算获得高准确性相似视频集，用于后续事故预测分析处理。　　综上，论文研究成果具有重要的理论意义和应用价值。其创新点在于:　　1)提出了一种新型的事故预测方法，通过路况监控视频的相似度计算，挖掘相似视频集中公共信息，分析获得事故发生的各项背景条件，以实现交通事故的宏观预测。　　2)优化传统相似度计算方法SimRank，得到相似度计算方法ObjectSim，结合属性信息和关系信息，加入不同影响度的权重值，提升了相似度计算的准确性。　　3)构建事故预测模型系统，研究分析其预测计算过程，相关数据集上的实验表明基于视频相似度计算的ObjectSim方法在交通事故预测应用上的前瞻性、合理性、可行性。