主动交通安全管控是当前交通安全领域的一项重点和热点研究课题,对于有效预防交通事故的发生,降低事故导致的生命和财产损失具有举足轻重的意义。高速公路交通事故风险实时预测和事后影响分析是高速公路主动交通安全管控系统中的两个重要组成部分和重要功能,能够为主动交通安全管控策略的制定和实施提供直接而有效的决策依据,因而受到诸多交通研究者的重视和广泛关注。目前,该领域研究人员众多,成果亦层出不穷。然而,值得一提的是,交通事故的发生是人、车、路、环境等多方面因素综合影响和作用的结果,因此对其进行有效准确地建模和分析并不是一件易事。考虑国内外连续交通流特性的差异性较小及数据获取的容易程度,本文深入分析了所收集的美国洲际1-5高速公路路段的事故描述数据、交通流检测数据和相应的天气数据等,选取了适用于事故风险预测的特征参数,包括交通流参数和天气参数,重点研究了高速公路交通事故风险实时预测理论及方法,提出和构建了相应的预测模型,在此基础上,从时间和空间二维角度量化分析了交通事故对事故上游交通流产生的影响。本文所做的研究工作主要集中于以下两个方面:其一,在高速公路事故风险实时预测方面,考虑当前研究大多基于人工方式确定事故概率阈值由此导致预测准确率和鲁棒性不高这一不足,提出了一种基于数据驱动阈值的随机森林事故风险实时预测方法。通过设定单独验证数据集,并综合分析和评估模型在验证数据集上的事故识别错误率、非事故识别错误率、整体识别错误率以及事故查准率四个指标,最终选取和确定最优事故概率阈值。同典型的基于Logistic回归的高速公路事故风险实时预测模型进行了对比与评估,同时分别就基于传统人工确定阈值和本文提出的基于数据驱动选取阈值的两类模型进行了实验评估和验证。实验结果表明:(1)基于随机森林的高速公路事故风险实时预测模型在事故预测准确率方面显著优于基于Logistic的事故风险实时预测模型;(2)相较于基于人工确定阈值的事故风险实时预测模型,基于数据驱动阈值的方法对模型预测综合性能具有较大的提升。其二,在高速公路事故事后影响分析方面,考虑当前研究基础理论假设在实际情形中并不一定成立,因而从实际出发对事故后速度的变化进行研究。通过选取速度变异系数作为事故影响主要分析特征指标,同时结合事故路段走廊道路交通流数据,采用二维线性插值技术构建了速度变异系数轮廓图,在此基础上运用局部多项式拟合方法提取事故影响区域轮廓,并分析提取了四种交通事故影响量化指标,包括事故最大影响时间范围、事故最大影响空间范围、事故影响强度、事故影响传播速度,最后对交通事故在时间和空间上的传播规律进行了相应的分析。研究结果表明:本文所提出的方法通过所获取的事故和交通流数据可以较为精确地提取事故影响量化指标。