我国高速公路正依托各类高新技术朝着信息化、智慧化的方向不断发展，但相应的交通安全控制大多仍然沿用传统的管理方法，主要表现为“重执法，轻管控”、交通安全改善十分被动等，这显然无法适应或满足现阶段以及未来高速公路交通安全管理的需求和可持续发展。为帮助高速公路交通管理人员制定合理的交通主动安全管理策略、开发高效的事故防控技术，论文以高速公路道路实时交通流运行角度为切入点，通过挖掘事故前兆特征、构建事故风险预测模型、分析事故在不同交通流运行状态下的致因，探索高速公路交通事故风险与实时交通流变化特征之间的关联规律，以期实现事故风险主动控制，提升交通安全管理水平。具体地，论文研究工作主要包括如下两个方面：
　　（1）基于实时交通流的事故风险预测模型研究
　　论文首先构建了由交通流变量和外界环境变量组成的事故风险备选变量集；同时提取了800余起事故记录相关的实测交通流数据和气象数据，并使用配对式病例-对照研究方法为每起事故匹配相应的非事故交通流数据。然后使用随机森林算法从备选变量中筛选出8个显著影响事故风险的重要变量，并以此作为事故前兆特征构建了多个实验样本集。最后利用支持向量机算法搭配常用核函数建立高速公路交通事故风险预测模型，并通过实例验证了模型的有效性。实验结果显示，高斯核和Sigmoid核下模型评价指标AUC值达到0.7215和0.7409，是建立支持向量机事故风险预测模型较理想的核函数；设计样本结构时，增大事故-非事故配对比例一定程度上能增强模型预测能力，可根据实际情况对该比例进行取值。
　　（2）不同交通状态下高速公路交通事故致因分析
　　论文首先分析了常用交通状态划分理论或方法的基本原理，包括划分目的、划分依据及划分标准；同时还引入无监督聚类算法划分实验样本集的交通状态。然后使用条件Logistic回归建模研究了不同交通状态下事故风险等级差异，同时分析了各状态下事故交通流变量的分布差异。最后，先使用随机森林算法分别筛选出各状态下的显著影响事故风险的交通流变量，再利用条件Logistic回归建立了各状态下事故风险交通流变量与事故风险之间的统计关系，通过分析事故在不同交通运行状态下所表现出的不同特性，从交通流角度剖析事故发生致因。实验结果显示，不同交通状态下事故风险交通流变量的分布差异显著；实验结论能为后续根据不同交通状态建立事故风险预测模型提供理论参考。