道路交通安全是世界一大主题问题,随着道路和车辆的增加,交通事故发生的频率也在增加。本文主要研究由天气因素和其间接影响道路表面和照明情况从而对道路交通事故影响的问题。通过分析利兹和伦敦数据集中不同天气(雨、雪等)、不同道路表面(积雪、霜/冰等)和不同照明(夜(无灯)、夜(路灯未点亮)等)状况下道路交通事故发生的情况,研究天气条件、道路表面状况和照明状况对道路交通事故的影响;并对特定天气条件、道路表面状况和照明状况下道路交通事故的发生情况进行关联性分析;对特定条件下的交通事故进行预测。因此,主要研究内容如下:(1)利用交通事故资料和气象资料分析两者的关联性,探究影响交通事故的主成分因子。利用线性回归、Logistic回归和综合分析技术分析多种天气条件、道路表面状况和照明状况对道路交通事故的影响。通过分析得出天气条件、道路表面状况或照明状况等情况对道路交通事故影响的程度。(2)提出了道路交通事故影响因子(Road Traffic Accident Impact Factor,RTAIF)。在多种天气中分析RTAIF的变化与道路交通事故的关系,其大小反映影响交通事故的程度。(3)提出了一种改进的长短时记忆网络的道路交通事故预测模型,用于预测多因素情况下道路交通事故发生量。该预测模型主要利用双尺度方程(Double Scale,DS)、LSTM以及ARIMA进行构建,简称DS-LSTM-ARIMA;为预测单因素情况下道路交通事故发生量,利用ELM和SVM构建混合交通事故预测模型,简称ELM-SVM。通过实验验证,所提出的两个模型在多因素和单因素情况下对交通事故发生量具有准确预测。(4)最后,在上述研究成果的基础上,利用Python及PyQt5进行了系统架构设计、封装及用户交互界面设计,实现了气象因素对道路交通安全的影响分析与预测系统。