高速公路交通事故是危害人身财产安全的重大隐患之一,亟待解决。解决问题的关键在于对已发事故严重程度进行研究,依据数据反映的事故严重程度发生规律采取相应措施减轻事故伤亡。本文以基础离散选择模型(多项Logit模型)为主要依托,建立了一种中观与微观层面分析结合的组合严重程度分析预测模型——考虑异质性及参数组间差异的潜类别混合Logit模型(简称“改进模型”)。为确保模型捕捉到单车事故与多车事故间的差异,本文针对单车事故和多车事故分别进行分析。首先,对交通事故严重程度离散选择模型的基础理论及原理进行对比分析,选定多项Logit模型作为事故严重程度分析的基础方法;利用2008年～2017年黑龙江省高速事故数据,标定了事故严重程度多项Logit模型。其次,为刻画各因素对事故严重程度影响的异质性,在多项Logit模型基础上引入随机参数,构建混合Logit模型,并采用模拟极大似然估计方法对混合Logit模型进行参数估计;为体现多项Logit模型中参数组间差异性,构建潜类别Logit模型,并采用极大似然估计方法对模型进行求解。然后,为综合解析异质性和参数组间差异性,融合混合Logit和潜类别Logit模型,构建潜类别混合Logit模型;为提高参数估计的效率与准确性,引入马尔科夫链蒙特卡罗完全贝叶斯参数估计方法,对改进模型中的参数进行求解,并评价模型拟合与预测方面的改进效果。最后,采用K-折交叉验证方法验证各模型的泛化能力,根据参数估计结果分析事故严重程度关键影响因素,并以敏感性分析为依据提出针对性安全改善措施。研究结果表明:改进模型兼具随机参数模型与潜类别模型的优点,能够充分刻画异质性并有效描述参数组间差异,并具有良好的拟合优度、预测精度与可转移性;多车事故与单车事故各严重程度等级的影响因素存在明显差异,在改善交通安全过程中应综合考虑。